时间序列多分类集成随机森林分类器matlab代码

以下是一个示例的 MATLAB 代码，用于训练和测试时间序列多分类集成随机森林分类器：

% 加载数据，假设数据已经被分割成训练和测试集，并存储在 trainX, trainY, testX, testY 中
load('data.mat');

% 定义分类器的参数
numTrees = 100;
minLeafSize = 10;
maxNumSplits = 100;

% 训练随机森林分类器
model = TreeBagger(numTrees, trainX, trainY, 'method', 'classification', ...
            'minleafsize', minLeafSize, 'maxnumsplits', maxNumSplits);

% 使用训练好的模型进行预测
predY = model.predict(testX);

% 计算分类准确率
accuracy = sum(str2double(predY) == testY) / length(testY);

% 打印结果
fprintf('分类准确率：%.2f%%\n', accuracy * 100);

其中，`TreeBagger` 函数用于训练随机森林分类器，`numTrees` 参数指定了随机森林中树的数量，`minLeafSize` 参数指定了每个叶子节点的最小样本数，`maxNumSplits` 参数指定了每个决策节点的最大分裂数。`predict` 方法用于使用训练好的模型进行预测，`str2double` 函数用于将预测结果从字符串转换为数字，最后计算分类准确率并打印结果。