如何在MATLAB中使用`ClassificationEnsemble`创建一个随机森林集成模型？

在MATLAB中，使用`ClassificationEnsemble`创建随机森林集成模型（Random Forest）通常涉及以下步骤：

1. 导入所需库：首先，确保你已经安装了`Statistics and Machine Learning Toolbox`。如果没有，可以使用命令`matlab.addons.install('Statistical Learning Toolbox')`进行安装。

% 加载所需的库
addpath(genpath(fullfile(matlabroot,'toolbox','stats')));

2. 准备数据：加载数据集，通常是通过`load`函数或其他数据导入方法。将数据划分为训练集和测试集。

data = load('your_dataset.mat'); % 替换为实际数据文件名
X_train = data.X_train;
Y_train = data.Y_train;
X_test = data.X_test;
Y_test = data.Y_test;

3. 创建随机森林模型：使用`fitensemble`函数创建随机森林模型，指定数据和分类器类型（通常为`'Tree'`表示决策树）。

% 创建随机森林模型
numTrees = 100; % 可调整树的数量
rfModel = fitensemble(X_train, Y_train, 'Method', 'Bag', 'NumLearningCycles', numTrees);

4. 模型训练：调用`fit`方法进行训练。

rfModel = fit(rfModel, X_train, Y_train);

5. 预测与评估：对测试数据进行预测，并计算性能指标，如准确率、召回率等。

Y_pred = predict(rfModel, X_test);
accuracy = sum(Y_pred == Y_test) / numel(Y_test);

6. 可视化结果（可选）：使用`view`或`plot`函数查看特征重要性等信息。

view(rfModel, 'FeatureImportance')