随机森林matlab

在Matlab中，可以使用TreeBagger函数来实现随机森林。TreeBagger函数使用bootstrap采样和随机属性选择来构建多个决策树，然后将它们组合成一个随机森林。

下面是一个简单的示例，演示如何使用TreeBagger函数来训练和测试一个随机森林分类器：

% 加载数据
load fisheriris;

% 将数据集分成训练集和测试集
cv = cvpartition(species,'HoldOut',0.3);
idx = cv.test;
dataTrain = meas(~idx,:);
speciesTrain = species(~idx,:);
dataTest = meas(idx,:);
speciesTest = species(idx,:);

% 训练一个随机森林分类器
numTrees = 100;
model = TreeBagger(numTrees,dataTrain,speciesTrain,'Method','classification');

% 使用测试集评估分类器性能
pred = predict(model,dataTest);
accuracy = sum(strcmp(pred,speciesTest))/numel(speciesTest);
fprintf('Accuracy = %.2f%%\n',accuracy*100);

在上面的代码中，我们首先将鸢尾花数据集分成训练集和测试集。然后使用TreeBagger函数训练一个包含100棵树的随机森林分类器。最后，使用测试集评估分类器性能，计算分类准确度。

请注意，上述示例仅用于说明如何在Matlab中使用TreeBagger函数实现随机森林。实际应用中，您可能需要调整分类器的超参数，例如树的数量、最大深度等，以获得更好的性能。