在R语言中使用随机森林算法可以通过随机森林包randomForest来实现。下面是一个简单的示例代码：
# 导入randomForest包
library(randomForest)
# 读取数据集
data <- iris
# 划分训练集和测试集
set.seed(123)
train_index <- sample(1:nrow(data), 0.7*nrow(data))
train_data <- data[train_index, ]
test_data <- data[-train_index, ]
# 训练随机森林模型
model <- randomForest(Species ~ ., data = train_data, ntree = 500)
# 预测
predictions <- predict(model, test_data)
# 计算准确率
accuracy <- sum(predictions == test_data$Species) / nrow(test_data)
print(paste("准确率:", accuracy))
上面的代码中，首先导入randomForest包，然后读取数据集iris。接着，使用sample函数将数据集划分为训练集和测试集，然后使用randomForest函数训练随机森林模型。最后，使用训练好的模型对测试集数据进行预测，并计算准确率。
需要注意的是，随机森林算法中的参数ntree表示生成的树的数量，可以根据实际情况做调整。
