随机森林多分类matlab代码

以下是一个使用随机森林进行多分类的 MATLAB 代码示例：

% 导入数据
data = load('data.mat');
X = data.X;  % 特征矩阵
y = data.y;  % 标签

% 构建随机森林模型
numTrees = 100;  % 树的数量
numFeatures = sqrt(size(X, 2));  % 每棵树使用的特征数量
model = TreeBagger(numTrees, X, y, 'NumPredictorsToSample', numFeatures);

% 预测
newData = load('newData.mat');
X_new = newData.X;  % 新数据的特征矩阵
predictions = predict(model, X_new);

% 将预测结果转换为分类标签
labels = unique(y);  % 原始标签列表
numClasses = numel(labels);  % 类别数量
numSamples = size(X_new, 1);  % 新数据样本数量

predLabels = zeros(numSamples, 1);  % 存储预测的分类标签
for i = 1:numSamples
    scores = zeros(numClasses, 1);  % 存储每个类别的得分
    
    % 统计每个类别的得分
    for j = 1:numTrees
        tree = model.Trees{j};
        leaf = predict(tree, X_new(i, :));
        scores(leaf) = scores(leaf) + 1;
    end
    
    % 找到得分最高的类别作为预测标签
    [~, predLabels(i)] = max(scores);
end

% 显示预测结果
disp(predLabels);

请确保将数据文件 `data.mat` 和 `newData.mat` 替换为您自己的数据文件。该示例使用了 MATLAB 的 `TreeBagger` 函数来构建随机森林模型，并使用训练好的模型进行预测。在预测过程中，将每个样本在每棵树上的预测结果统计起来，并选择得分最高的类别作为最终预测结果。