随机森林回归预测matlab代码实现

随机森林是一种集成学习算法，可以用于回归问题。在MATLAB中，可以使用TreeBagger函数实现随机森林回归预测。

首先，需要准备训练数据和测试数据。假设我们有一个样本矩阵X和对应的目标向量y。X的每一行表示一个样本的特征，y是对应的回归目标。

接下来，可以使用TreeBagger函数创建一个随机森林回归模型。可以设置树的数量和其他参数，例如最大深度和最小叶子数。示例代码如下：

numTrees = 100; % 树的数量
maxNumSplits = 10; % 树的最大深度
minLeafSize = 5; % 最小叶子数

model = TreeBagger(numTrees, X, y, 'Method', 'regression', ...
                    'MaxNumSplits', maxNumSplits, 'MinLeafSize', minLeafSize);

创建模型后，可以使用predict方法进行预测。假设我们有一个测试样本矩阵X_test，可以使用以下代码进行预测：

y_pred = predict(model, X_test);

其中，y_pred是预测的回归目标值。

最后，可以使用评估指标来评估预测结果与真实值之间的拟合程度。例如，可以计算均方误差（Mean Squared Error）和决定系数（R-squared）等指标。

这是随机森林回归预测的MATLAB代码实现的一个简单示例。实际使用中，可以根据具体问题和数据集的特点进行参数的调整和模型的优化。