matlab随机森林OOB

在 MATLAB 中，你可以使用统计和机器学习工具箱中的 'TreeBagger' 函数来训练随机森林模型并计算 Out-of-Bag (OOB) 错误。

下面是一个使用随机森林进行分类的示例代码：

% 准备数据
load fisheriris
X = meas;
Y = species;

% 训练随机森林模型
numTrees = 100; % 设置随机森林中树的数量
Mdl = TreeBagger(numTrees, X, Y, 'OOBPrediction', 'on');

% 计算 Out-of-Bag 错误
oobError = oobError(Mdl);

% 绘制错误曲线
figure;
plot(oobError);
xlabel('Number of trees');
ylabel('Out-of-Bag error');
title('Out-of-Bag error vs. Number of trees');

% 预测新数据
newData = [5 3.5 1.4 0.2; 6 3 4.2 1.5; 7.9 3.8 6.4 2];
predictedLabels = predict(Mdl, newData);
disp(predictedLabels);

这段代码首先加载了 Fisher's iris 数据集，然后使用 'TreeBagger' 函数训练了一个包含100个决策树的随机森林模型。通过设置 'OOBPrediction' 参数为 'on'，模型将计算并存储 Out-of-Bag 预测结果。接下来，使用 'oobError' 函数计算模型的 Out-of-Bag 错误，并绘制了错误曲线。最后，使用训练好的模型对新数据进行预测。

希望这能帮助到你！如有任何问题，请随时问我。