清除随机森林中的NaN值可以通过以下代码示例完成：

import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestRegressor

# 创建带有NaN值的数据集
data = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                     'B': [np.nan, 2, 3, np.nan, 5],
                     'C': [1, 2, 3, 4, 5]})

# 将NaN值替换为列的中位数
data.fillna(data.median(), inplace=True)

# 拆分数据集为特征和目标变量
X = data.drop('C', axis=1)
y = data['C']

# 创建随机森林回归模型
model = RandomForestRegressor()

# 拟合模型
model.fit(X, y)

在上述代码中，我们首先创建了一个带有NaN值的数据集data。然后，我们使用fillna函数将NaN值替换为每列的中位数，这是一种常见的处理缺失值的方法。接下来，我们将数据集拆分为特征变量X和目标变量y。然后，我们创建了一个随机森林回归模型model并使用拟合函数fit拟合模型。通过这种方式，我们成功清除了随机森林中的NaN值并训练了模型。