matlab的随机森林代码预测

Matlab中的随机森林（Random Forest）算法通常通过 Statistics and Machine Learning Toolbox 提供的 `TreeBagger` 函数来实现。以下是使用这个函数创建随机森林模型并进行预测的基本步骤：

1. 导入所需的库和数据集：

% 加载所需库
addpath('toolbox_path') % 如果工具箱不在默认路径下，则需指定
import StatisticsAndMachineLearning Toolbox.*

% 加载数据（假设有一个名为data的数据集）
load data

2. 准备数据，将特征（X）和标签（Y）分开：

X = trainingFeatures; % 特征矩阵
Y = trainingLabels; % 标签向量

3. 创建随机森林模型：

numTrees = 100; % 随机森林包含的树的数量
forest = TreeBagger(numTrees, X, Y, 'Method', 'classification');

4. 对新数据进行预测：

newData = testData; % 新输入数据
predictedLabels = predict(forest, newData);

5. 评估模型性能：

accuracy = sum(predictedLabels == actualTestLabels) / numel(actualTestLabels);