用matlab实现随机森林分类

在 MATLAB 中，可以使用 TreeBagger 类来实现随机森林分类器。下面是一个简单的示例：

首先，准备数据集。假设有一个大小为 N×M 的矩阵 X，其中每行表示一个样本，每列表示一个特征；还有一个长度为 N 的向量 Y，其中每个元素表示相应样本的类别标签。

然后，使用 TreeBagger 类来构建随机森林分类器。可以设置一些参数，如决策树数量、特征选择方法等。以下是一个示例：

nTrees = 100; % 决策树数量
method = 'classification'; % 分类问题
b = TreeBagger(nTrees, X, Y, 'Method', method);

其中，nTrees 表示决策树的数量，X 和 Y 分别是数据矩阵和标签向量，method 表示分类问题。

最后，使用 predict 方法对新数据进行分类预测。以下是一个示例：

X_new = [1, 2, 3, 4; 5, 6, 7, 8]; % 新数据矩阵
Y_new = b.predict(X_new); % 预测结果

其中，X_new 表示新数据矩阵，Y_new 是预测结果。