matlab自带随机森林回归的案例

随机森林是一种强大的机器学习算法，可以用来进行回归或分类任务。在MATLAB中，我们可以使用内置的随机森林回归函数来构建一个模型。

为了演示如何使用MATLAB的随机森林回归函数，我们可以考虑以下场景：假设我们想预测房屋价格，基于一些房屋的属性，如房屋的面积、建筑年份、卧室数量等等。

我们可以按照以下步骤进行：

首先，我们需要准备数据。我们可以使用一个已经存在的数据集，或者自己创建一个新的数据集。在这个例子中，我们可以考虑使用MATLAB自带的“房屋价格”数据集。

接下来，我们可以使用MATLAB的内置函数fitrensemble来构建随机森林回归模型。该函数的调用方式如下：

rng(1); % 设置随机数种子

data = readtable('houses.csv');
X = data{:,2:end-1}; % 特征
y = data{:,end}; % 响应变量

model = fitrensemble(X,y,'Method','LSBoost',...
'NumLearningCycles',200,'Learners','tree');

其中，rng(1)设置随机数生成器的种子，以确保重新运行代码时得到相同的结果。

上面的代码中还使用readtable函数从CSV文件中读取数据，并分别创建特征（X）和响应变量（y）向量。然后我们使用fitrensemble函数来构建一个随机森林回归模型。

在fitrensemble函数中，我们可以指定若干参数。例如，'Method'参数指定了使用的机器学习算法。这里我们选择了'LSBoost'算法，即提升（boosting）方法和最小二乘回归模型的组合。'NumLearningCycles'参数指定了提升方法的轮数，'Learners'参数指定使用决策树作为基本学习器。

得到模型之后，我们可以使用它来进行预测。假设我们有一个新的房屋数据，我们可以将其作为输入向量传递给predict函数，得到该房屋的预测价格。例如：

newX = [2000 3 2 0.5 1];
price = predict(model,newX);

这里，newX是新房屋的属性向量，包括建筑年份、卧室数量、浴室数量、厨房数量和停车位数量。使用predict函数，我们可以得到该房屋的预测价格。