随机森林回归预测MATLAB

随机森林回归是一种基于机器学习的预测模型，它利用了决策树的集成策略来进行回归任务。在MATLAB中，可以使用`TreeBagger`函数或者`RandomForest`工具箱来构建和训练随机森林回归模型。

以下是基本步骤：

1. **导入数据**：首先需要加载包含特征变量（自变量）和目标变量（因变量）的数据集。MATLAB有多种数据读取函数如`readtable`、`csvread`等。

2. **数据预处理**：对数据进行标准化或归一化，以便所有特征都在相似的尺度上。

3. **创建模型**：使用`TreeBagger`函数，传入参数如树的数量（`numTrees`）、选择的特征数（`NumVariablesToSample`）、以及是否执行交叉验证等。

   rng('default'); % 设置随机种子 for reproducibility
   Mdl = TreeBagger(numTrees, X, Y, 'Method', 'regression');

4. **训练模型**：将数据输入到模型中进行训练。

5. **预测**：对于新的输入数据`Xnew`，可以使用`predict`函数进行预测。

6. **评估**：通过计算预测值与实际值之间的差异（如均方误差MSE），来评估模型的性能。

Ypred = predict(Mdl, Xnew);
mse = mean((Ypred - Ytest).^2);