用随机森林回归读取数据进行对PM2.5浓度影响排序matlab代码

以下是一个使用随机森林回归读取数据并进行PM2.5浓度影响排序的MATLAB代码示例：

% 读取数据
data = readtable('data.csv');
X = table2array(data(:, 2:end-1));
y = table2array(data(:, end));

% 划分训练集和测试集
idx = randperm(length(y));
train_idx = idx(1:round(0.7*length(y)));
test_idx = idx(round(0.7*length(y))+1:end);
X_train = X(train_idx, :);
y_train = y(train_idx);
X_test = X(test_idx, :);
y_test = y(test_idx);

% 训练随机森林回归模型
Mdl = TreeBagger(100, X_train, y_train, 'Method', 'regression');

% 预测测试集
y_pred = predict(Mdl, X_test);

% 计算特征重要性
imp = Mdl.OOBPermutedPredictorDeltaError;
[sorted_imp, idx] = sort(imp, 'descend');

% 绘制结果
figure(1);
bar(sorted_imp);
title('Feature Importance');
xlabel('Feature Index');
ylabel('Importance');
xticklabels(data.Properties.VariableNames(2:end-1));
xtickangle(45);

这段代码演示了如何使用随机森林回归对给定数据中PM2.5浓度的影响进行排序。代码首先读取数据，并将其划分为训练集和测试集。然后，代码使用`TreeBagger`函数训练随机森林回归模型，并使用该模型预测测试集。最后，代码计算特征重要性，并绘制结果。请注意，代码使用`bar`函数绘制柱状图，并使用`xticklabels`和`xtickangle`函数设置x轴标签的角度和旋转。