matlab随机森林分类绘制混淆矩阵

要绘制随机森林分类器的混淆矩阵，可以按照以下步骤操作：

1. 训练随机森林分类器

使用MATLAB中的`TreeBagger`函数可以训练随机森林分类器。例如，假设我们要训练一个有50棵树的分类器，可以按照以下方式设置分类器参数：

nTrees = 50;
rng(1); % 设置随机数种子，保证结果可重复
model = TreeBagger(nTrees, Xtrain, Ytrain);

其中，`Xtrain`是训练数据的特征矩阵，`Ytrain`是对应的类别标签。

2. 对测试数据进行预测

使用训练好的分类器对测试数据进行预测，并将预测结果与真实标签进行比对，得到分类器的混淆矩阵。

Ypred = predict(model, Xtest);
Ypred = str2double(Ypred);
confMat = confusionmat(Ytest, Ypred);

其中，`Xtest`是测试数据的特征矩阵，`Ytest`是对应的真实类别标签。`predict`函数返回的是一个字符串数组，需要转换为数字类型。

3. 绘制混淆矩阵

使用MATLAB中的`confusionchart`函数可以绘制混淆矩阵。例如，可以按照以下方式绘制混淆矩阵：

classes = unique(Ytest);
classNames = cellstr(num2str(classes));
figure;
confusionchart(confMat, classNames);

其中，`classes`是类别标签的取值，`classNames`是对应的类别名称。`cellstr`函数将数字转换为字符串类型。

绘制的混淆矩阵将显示分类器的预测结果与真实结果之间的对应关系，可以帮助我们评估分类器的性能。