随机森林多输入多输出回归预测MATLAB代码,包括数据集

以下是一个随机森林多输入多输出回归预测的MATLAB代码示例，包括数据集：

% 加载数据集
load carbig
X = [Displacement Horsepower Weight];
Y = [Acceleration MPG];
 
% 划分训练集和测试集
cv = cvpartition(size(X,1),'HoldOut',0.2);
idxTrain = training(cv);
idxTest = test(cv);
Xtrain = X(idxTrain,:);
Ytrain = Y(idxTrain,:);
Xtest = X(idxTest,:);
Ytest = Y(idxTest,:);
 
% 训练随机森林回归模型
nTrees = 100;
Mdl = TreeBagger(nTrees,Xtrain,Ytrain,'Method','regression');
 
% 预测测试集输出
YtestPred = predict(Mdl,Xtest);
 
% 计算预测误差
RMSE = sqrt(mean((Ytest - YtestPred).^2))
 
% 绘制预测结果和真实结果的比较图
figure;
subplot(1,2,1);
plot(Ytest(:,1),'b');
hold on;
plot(YtestPred(:,1),'r');
xlabel('样本编号');
ylabel('加速度');
legend({'真实值','预测值'},'Location','best');
subplot(1,2,2);
plot(Ytest(:,2),'b');
hold on;
plot(YtestPred(:,2),'r');
xlabel('样本编号');
ylabel('油耗');
legend({'真实值','预测值'},'Location','best');

这个示例使用了汽车数据集中的三个输入特征（Displacement、Horsepower和Weight）来预测两个输出变量（Acceleration和MPG）。首先，数据集被划分为训练集和测试集。然后，TreeBagger函数被用来训练一个随机森林回归模型，并用测试集数据进行预测。最后，预测结果和真实结果被用来计算预测误差，并绘制比较图。