用matlab编写一个全面的随机森林模型函数代码

以下是一个用于构建随机森林模型的 MATLAB 函数代码：

function [rfModel, oobErr] = RandomForest(X, Y, nTrees, mtry)

% 输入参数：
% X：训练数据的自变量矩阵，每一行代表一个样本，每一列代表一个特征
% Y：训练数据的因变量向量，每个元素代表一个样本的类别
% nTrees：森林中树的数量
% mtry：每棵树使用的特征数量

% 输出参数：
% rfModel：训练好的随机森林模型
% oobErr：袋外误差

% 设置默认参数
if nargin < 4
    mtry = ceil(sqrt(size(X,2)));
end
if nargin < 3
    nTrees = 200;
end

% 训练随机森林模型
rfModel = TreeBagger(nTrees, X, Y, 'Method', 'classification', 'OOBPredictorImportance', 'on', 'MinLeafSize', 5, 'NumPredictorstoSample', mtry);

% 计算袋外误差
oobErr = oobError(rfModel);

end

该函数使用 MATLAB 自带的 `TreeBagger` 函数来构建随机森林模型。其中，`nTrees` 代表构建的树的数量，`mtry` 代表每棵树使用的特征数量。函数默认使用分类方法，并开启袋外预测器重要性计算和最小叶子节点大小为 5 的限制。最后，函数返回训练好的随机森林模型和袋外误差。