随机森林算法分类matlab代码

随机森林（Random Forest）是一种集成学习方法，它通过构建多个决策树并取其平均结果来进行预测。在MATLAB中，可以使用`TreeBagger`函数来实现随机森林分类。以下是一个简单的随机森林分类的MATLAB代码示例：

% 加载数据集（假设你已经有了训练数据X和标签y）
load iris; % 假设iris数据集作为例子

% 定义随机森林参数
numTrees = 100; % 决策树的数量
maxNumSplits = Inf; % 每棵树的最大划分数（默认值）

% 创建随机森林模型
forestModel = TreeBagger(numTrees, X, y, 'Method', 'classification');

% 对新的数据进行预测
newData = ... % 输入你要分类的新样本
predictions = predict(forestModel, newData);

% 打印预测结果
disp(predictions);

在这个例子中，你需要首先加载一些具有特征（`X`）和标签（`y`）的数据，然后指定随机森林的一些基本参数，如树的数量和最大划分数。接着，创建森林模型，然后对新数据进行分类。