matlab矩阵随机森林算法建立模型代码

以下是使用MATLAB中的Statistics and Machine Learning Toolbox（统计与机器学习工具箱）建立随机森林模型的示例代码：

% 加载数据
load fisheriris;

% 将数据集分为训练集和测试集
cv = cvpartition(species,'Holdout',0.2);
Xtrain = meas(cv.training,:);
Ytrain = species(cv.training);
Xtest = meas(cv.test,:);
Ytest = species(cv.test);

% 建立随机森林分类器
tree = templateTree('Surrogate','on');
rf = fitensemble(Xtrain,Ytrain,'RandomForest',100,tree,'Type','Classification');

% 预测测试集
Ypred = predict(rf,Xtest);

% 计算分类准确率
accuracy = sum(Ypred == Ytest)/numel(Ytest);
disp(['分类准确率为：',num2str(accuracy)]);

以上代码加载了鸢尾花数据集，并将其分为训练集和测试集。然后，使用`templateTree`函数创建了一个决策树模板，该模板允许使用代理分割。接着，使用`fitensemble`函数建立了一个包含100棵树的随机森林分类器，并将其应用于训练集。最后，使用`predict`函数对测试集进行预测，并计算了分类准确率。