matlab中随机森林

随机森林（Random Forest）是一种常用的集成学习方法，可以用于分类和回归等任务。在 MATLAB 中，可以使用 TreeBagger 函数来构建随机森林模型。

下面是一个简单的示例，展示如何使用 TreeBagger 函数构建随机森林模型并进行分类预测：

% 加载数据
load fisheriris
X = meas(:,1:2);
Y = species;

% 构建随机森林模型
numTrees = 100;
Mdl = TreeBagger(numTrees,X,Y,'OOBPrediction','On');

% 预测新样本的类别
xtest = [5 3];
[label,score] = predict(Mdl,xtest)

% 可视化决策边界
h = figure;
gscatter(X(:,1),X(:,2),Y);
hold on;
h2 = plot(Mdl.Trees{1},'Fill','On','MarkerSize',2);
title('Decision Boundary');
legend('setosa','versicolor','virginica','Location','Best');

在上面的示例中，我们加载了鸢尾花数据集，选取了前两个特征作为输入变量 X，物种类型作为输出变量 Y。然后使用 TreeBagger 函数构建了一个包含 100 个决策树的随机森林模型 Mdl，其中 'OOBPrediction','On' 表示开启了包外估计功能。接着，我们使用 predict 函数对新样本进行分类预测，得到了预测结果 label 和置信度 score。最后，我们使用 plot 函数将随机森林的决策边界可视化出来，结果如下图所示：


注意，这只是一个简单的示例，实际应用中需要根据具体问题进行参数调整和模型优化。