随机森林特征重要性 matlab

在 Matlab 中，可以使用 TreeBagger 函数来构建随机森林模型，并使用 oobPermutedPredictorImportance 函数计算特征重要性。

以下是一个示例代码：

load carsmall % 加载示例数据
X = [Displacement Horsepower Weight];
Y = MPG;

% 构建随机森林模型
Mdl = TreeBagger(50, X, Y, 'Method', 'regression');

% 计算特征重要性
imp = oobPermutedPredictorImportance(Mdl);
bar(imp);
xlabel('Feature Index');
ylabel('Importance');

在上面的代码中，我们从示例数据集 carsmall 中选择三个特征 Displacement、Horsepower 和 Weight，使用 TreeBagger 函数构建一个包含 50 个决策树的随机森林模型。然后，我们使用 oobPermutedPredictorImportance 函数计算特征重要性，并使用 bar 函数可视化结果。

注意，特征重要性的计算是基于 out-of-bag 样本的误差率来进行的，因此在使用 oobPermutedPredictorImportance 函数时，需要将数据集输入模型之前进行随机化处理。