用matlab写一段不同产地大豆特征溯源的随机森林算法

以下是一个简单的 MATLAB 代码示例，用于实现不同产地大豆特征溯源的随机森林算法：

% 导入数据
data = readmatrix('soybean_data.csv');
X = data(:, 1:end-1);
Y = data(:, end);

% 划分训练集和测试集
cv = cvpartition(length(Y), 'HoldOut', 0.3);
X_train = X(cv.training,:);
Y_train = Y(cv.training,:);
X_test = X(cv.test,:);
Y_test = Y(cv.test,:);

% 训练随机森林模型
ntree = 50; % 决策树数量
mtry = 2; % 每个节点要考虑的特征数量
RF = TreeBagger(ntree, X_train, Y_train, 'OOBPrediction', 'On', 'MinLeafSize', 5, 'NumPredictorsToSample', mtry);

% 预测测试集结果
Y_pred = predict(RF, X_test);

% 计算准确率
accuracy = sum(Y_test == str2double(Y_pred))/length(Y_test);
disp(['测试集准确率为：', num2str(accuracy)]);

此代码使用了MATLAB中的TreeBagger函数来训练随机森林模型，并使用cvpartition函数将数据集划分为训练集和测试集。代码中还设置了决策树数量、每个节点要考虑的特征数量等参数。最后，使用预测结果和真实结果计算测试集准确率。注意，此代码仅为示例，实际情况下需要根据数据集和实际需求进行参数调整和优化。