matlab随机森林回归代码

当然，下面是一个简单的 MATLAB 随机森林回归的示例代码：

% 准备数据
data = load('data.mat');
X = data.X;
y = data.y;

% 拆分训练集和测试集
rng(1); % 设置随机数种子，保证结果可重现
cv = cvpartition(size(X, 1), 'Holdout', 0.2);
XTrain = X(training(cv), :);
yTrain = y(training(cv), :);
XTest = X(test(cv), :);
yTest = y(test(cv), :);

% 构建随机森林回归模型
numTrees = 100;
Mdl = TreeBagger(numTrees, XTrain, yTrain, 'Method', 'regression');

% 预测
yPred = predict(Mdl, XTest);

% 评估模型
mse = mean((yPred - yTest).^2);
mae = mean(abs(yPred - yTest));

% 显示结果
disp(['Mean Squared Error: ', num2str(mse)]);
disp(['Mean Absolute Error: ', num2str(mae)]);

请注意，这里假设你已经有一个名为 "data.mat" 的数据文件，其中包含 `X` 表示自变量矩阵，`y` 表示因变量向量。你需要将其替换为你自己的数据文件名和变量名。

这段代码使用了 `TreeBagger` 函数构建了一个包含 100 个决策树的随机森林回归模型。然后使用测试集进行预测，并计算了均方误差（Mean Squared Error）和平均绝对误差（Mean Absolute Error）来评估模型的性能。

希望对你有帮助！如果有任何其他问题，请随时提问。