随机森林预测模型matlab代码

随机森林（Random Forest）是一种集成学习方法，它由多个决策树组成，每个树对数据进行独立预测，最终通过投票或平均等方式得到整体的预测结果。在MATLAB中，你可以使用`TreeBagger`函数来构建随机森林模型，然后使用`predict`函数进行预测。

以下是一个简单的随机森林模型创建及预测的MATLAB代码示例：

% 导入所需的库
addpath('weka-matlab'); % 如果没有安装，需要先下载并添加到路径

% 加载数据集（假设数据在CSV文件中）
data = readtable('your_data.csv');

% 准备输入特征和目标变量
X = data(:, 1:end-1); % 所有列，除了最后一列（目标变量）
Y = data(:, end);

% 使用TreeBagger训练随机森林
numTrees = 100; % 决策树的数量
forest = TreeBagger(numTrees, X, Y, 'Method', 'classification');

% 对新的数据进行预测
newData = ... % 新的数据点或测试集
predictedLabels = predict(forest, newData);

% 输出预测结果
disp(predictedLabels);

记得将 `'your_data.csv'` 替换为实际的数据文件名，并调整`numTrees`和`newData`部分以适应你的数据。如果你想要查看更详细的设置选项，可以查阅`help TreeBagger`。