包括训练集、测试集和验证集的随机森林回归模型matlab代码

以下是一个随机森林回归模型的 MATLAB 代码示例：

加载数据集：

load('data.mat'); % 加载数据集

X = data(:,1:end-1); % 特征矩阵
y = data(:,end); % 标签向量

划分训练集和测试集：

cv = cvpartition(size(X,1),'HoldOut',0.3); % 划分训练集和测试集，测试集占 30%
idx = cv.test;

Xtrain = X(~idx,:);
ytrain = y(~idx,:);
Xtest = X(idx,:);
ytest = y(idx,:);

训练随机森林回归模型：

b = TreeBagger(50,Xtrain,ytrain,'Method','regression'); % 训练随机森林回归模型

预测测试集：

ypred = predict(b,Xtest); % 预测测试集

评估模型性能：

rmse = sqrt(mean((ytest - str2double(ypred)).^2)); % 计算均方根误差
r2 = corr(ytest,str2double(ypred))^2; % 计算决定系数

注意事项：

1. 数据集需要按照特征矩阵和标签向量的格式进行加载；
2. 划分训练集和测试集时，需要使用 MATLAB 自带的 cvpartition 函数；
3. 训练随机森林回归模型时，需要指定树的数量和回归方法；
4. 预测测试集时，输出为字符串类型，需要转换为数值类型；
5. 评估模型性能时，使用均方根误差和决定系数作为指标。