【MATLAB】使用随机森林分类

在MATLAB中，你可以使用`TreeBagger`函数来创建随机森林分类模型。以下是基本步骤：

1. **数据准备**：
首先，你需要有一个训练集，其中包含特征变量（X）和对应的标签（Y）。确保数据已经预处理过，比如归一化或标准化。

2. **加载并拆分数据**：
使用`loaddata`（如果有的话）或其他函数导入数据，然后将数据分为训练集（通常70%到80%）和测试集（剩余部分）。

[X trainLabels, X_test Y_test] = splitData(X, Y, 'HoldOut', 0.3); % 分割数据

3. **创建随机森林模型**：
`TreeBagger`函数接受许多参数，包括树的数量、输入特征选择策略等。这里是一个简单的例子：

numTrees = 50; % 随机森林中的决策树数量
rfModel = TreeBagger(numTrees, X_train, trainLabels, 'Method', 'classification'); % 创建模型

4. **训练模型**：
将训练数据传入模型进行训练。

[~, predictedTrainLabels] = predict(rfModel, X_train);

5. **评估模型**：
可以计算训练集和测试集上的准确率来评估模型性能：

accuracyTrain = sum(predictedTrainLabels == trainLabels) / numel(trainLabels);
accuracyTest = sum(Y_test == rfModel.predict(X_test)) / numel(Y_test);

6. **可视化结果**：
如果你想查看重要特征，可以使用`featureImportance`函数。

importances = featureImportance(rfModel);
bar(importances);
xlabel('Feature Index');
ylabel('Importance');