随机森林对特征重要性评价matlab代码

以下是用 Matlab 实现随机森林对特征重要性评价的代码：

首先，需要安装 Matlab 的统计和机器学习工具箱。

接下来，读入数据并将其分为训练集和测试集：

data = readtable('data.csv'); % 读入数据
X = data(:, 1:end-1); % 特征矩阵
y = data(:, end); % 标签
rng(1); % 设置随机数种子
cv = cvpartition(size(X, 1), 'HoldOut', 0.3); % 分割数据集
X_train = X(training(cv), :);
y_train = y(training(cv), :);
X_test = X(test(cv), :);
y_test = y(test(cv), :);

然后，使用 TreeBagger 函数创建一个随机森林模型：

nTrees = 100; % 设置树的数量
model = TreeBagger(nTrees, X_train, y_train); % 创建随机森林模型

接下来，使用 featureImportance 函数计算特征的重要性：

imp = model.featureImportance; % 计算特征重要性

最后，绘制特征重要性的条形图：

figure;
bar(imp);
xlabel('Feature'); % x 轴标签
ylabel('Importance'); % y 轴标签
title('Feature Importance'); % 图表标题

以上就是用 Matlab 实现随机森林对特征重要性评价的代码。