MATLAB实现随机森林多分类

MATLAB中可以使用TreeBagger函数来实现随机森林多分类。下面是一个简单的例子：

假设我们有一个数据集X和对应的标签y，其中有三类标签。我们可以将数据集和标签分成训练集和测试集：

% 分割数据集和标签
cv = cvpartition(size(X,1),'HoldOut',0.3);
idx = cv.test;

X_train = X(~idx,:);
y_train = y(~idx,:);

X_test  = X(idx,:);
y_test  = y(idx,:);

接下来我们可以使用TreeBagger函数来创建随机森林分类器：

% 创建随机森林分类器
numTrees = 50;
B = TreeBagger(numTrees,X_train,y_train,'Method','classification');

其中，numTrees是决策树的数量，Method参数指定了分类的方法。

训练好分类器后，我们可以使用predict函数来预测测试集上的标签：

% 预测测试集上的标签
y_pred = predict(B,X_test);

最后，我们可以使用confusionmat函数来计算混淆矩阵和分类准确率：

% 计算混淆矩阵和分类准确率
C = confusionmat(y_test,y_pred);
accuracy = sum(diag(C))/sum(C(:));

其中，confusionmat函数返回混淆矩阵，sum(diag(C))计算正确分类的样本数，sum(C(:))计算总的样本数，从而得到分类准确率。