用matlab代码 随机森林 进行分类 实例

以下是一个例子，演示如何使用MATLAB中的随机森林进行分类：

首先，加载数据集并将其划分为训练集和测试集：

load fisheriris
X = meas(:,1:2);
Y = species;
rng(1); % 设置随机数生成器的种子，以确保每次运行的结果都是相同的
cv = cvpartition(Y,'HoldOut',0.3);
idx = cv.test;
Xtrain = X(~idx,:);
Ytrain = Y(~idx,:);
Xtest = X(idx,:);
Ytest = Y(idx,:);

接下来，使用fitcensemble函数来训练随机森林模型：

t = templateTree('Surrogate','on'); % 创建一个决策树模板
ens = fitcensemble(Xtrain,Ytrain,'Method','Bag','NumLearningCycles',100,'Learners',t);

在这里，我们使用了Bagging（自举聚集）方法，NumLearningCycles参数设置为100，表示训练100个决策树。Learners参数设置为t，表示使用上面创建的决策树模板。我们还启用了Surrogate（代理）分裂，以提高模型的准确性。

最后，使用predict函数对测试集进行分类，并计算分类准确率：

Ypred = predict(ens,Xtest);
acc = sum(Ypred == Ytest)/numel(Ytest);
disp(['分类准确率为：' num2str(acc)]);

完整的代码如下：

load fisheriris
X = meas(:,1:2);
Y = species;
rng(1);
cv = cvpartition(Y,'HoldOut',0.3);
idx = cv.test;
Xtrain = X(~idx,:);
Ytrain = Y(~idx,:);
Xtest = X(idx,:);
Ytest = Y(idx,:);
t = templateTree('Surrogate','on');
ens = fitcensemble(Xtrain,Ytrain,'Method','Bag','NumLearningCycles',100,'Learners',t);
Ypred = predict(ens,Xtest);
acc = sum(Ypred == Ytest)/numel(Ytest);
disp(['分类准确率为：' num2str(acc)]);