高光谱用matlab随机森林代码

在MATLAB中使用随机森林算法处理高光谱数据通常需要几个步骤。这里是一个简化的例子来说明如何使用`TreeBagger`函数创建随机森林模型：

% 导入所需库
addpath('weka-matlab-toolbox'); % 如果没安装，需先下载并添加到路径

% 假设你的高光谱数据存储在变量'HyperspectralData'，标签在'y'
data = HyperspectralData;
labels = y;

% 将数据集划分为训练集和测试集
cv = cvpartition(labels, 'HoldOut', 0.7); % 70%用于训练，30%用于验证
trainIndex = training(cv);
testIndex = test(cv);

% 划分特征矩阵和目标变量
trainData = data(trainIndex, :);
trainLabels = labels(trainIndex);
testData = data(testIndex, :);
testLabels = labels(testIndex);

% 使用RandomForest函数创建模型 (假设numTrees是树的数量)
options = statset('UseParallel', true); % 加快计算速度
forest = TreeBagger(numTrees, trainData, trainLabels, options);

% 对测试集进行预测
predictions = predict(forest, testData);

% 计算性能指标，例如混淆矩阵
confMat = confusionmat(testLabels, predictions);

%