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。