在R語言中使用隨機森林算法可以通過隨機森林包randomForest來實現。下面是一個簡單的示例代碼：
# 導入randomForest包
library(randomForest)
# 讀取數據集
data <- iris
# 劃分訓練集和測試集
set.seed(123)
train_index <- sample(1:nrow(data), 0.7*nrow(data))
train_data <- data[train_index, ]
test_data <- data[-train_index, ]
# 訓練隨機森林模型
model <- randomForest(Species ~ ., data = train_data, ntree = 500)
# 預測
predictions <- predict(model, test_data)
# 計算準確率
accuracy <- sum(predictions == test_data$Species) / nrow(test_data)
print(paste("準確率:", accuracy))
上面的代碼中，首先導入randomForest包，然后讀取數據集iris。接著，使用sample函數將數據集劃分為訓練集和測試集，然后使用randomForest函數訓練隨機森林模型。最后，使用訓練好的模型對測試集數據進行預測，并計算準確率。
需要注意的是，隨機森林算法中的參數ntree表示生成的樹的數量，可以根據實際情況做調整。
