随机森林算法 matlab

随机森林是一种集成学习算法，它通过构建多个决策树来进行分类或回归任务。在Matlab中，你可以使用集成学习工具箱（Ensemble Learning Toolbox）来实现随机森林算法。

以下是一个在Matlab中使用随机森林进行分类的示例代码：

% 准备数据
load fisheriris
X = meas;
Y = species;

% 拆分数据集为训练集和测试集
cv = cvpartition(Y,'Holdout',0.2);
XTrain = X(training(cv),:);
YTrain = Y(training(cv),:);
XTest = X(test(cv),:);
YTest = Y(test(cv),:);

% 构建随机森林模型
numTrees = 100; % 决策树数量
Mdl = TreeBagger(numTrees, XTrain, YTrain, 'Method', 'classification');

% 使用模型进行预测
YHat = predict(Mdl, XTest);

% 计算分类准确率
accuracy = sum(YHat == YTest)/numel(YTest);

这段代码首先加载了一个经典的鸢尾花数据集（`fisheriris`），然后将数据集拆分为训练集和测试集。接下来，使用`TreeBagger`函数构建了一个随机森林模型，指定了决策树数量为100，并使用分类方法进行训练。最后，使用训练好的模型对测试集进行预测，并计算分类准确率。

你可以根据自己的需求进行修改和扩展这段代码，例如调整决策树数量、使用其他的数据集等。希望对你有帮助！