matlab 随机森林分类程序

在MATLAB中，随机森林（Random Forest）是一种集成学习方法，用于分类和回归任务。它通过构建多个决策树并取它们的平均结果来提高预测性能。下面是创建一个简单的随机森林分类程序的基本步骤：

1. **导入所需库**:

   % 导入Statistics and Machine Learning Toolbox
   addpath('toolbox_path'); % 如果没安装在默认路径下，需要指定完整路径

2. **加载数据**:
使用`load`函数从文件或内置数据集加载数据集，如`ionosphere`数据集：

   data = load('ionosphere.mat');
   X = data.data; % 特征矩阵
   Y = data.class; % 类别标签

3. **预处理数据**:
数据可能需要归一化、编码等预处理工作。

4. **创建随机森林模型**:

   rfModel = TreeBagger(nTrees, X, Y, 'Method', 'classification'); % nTrees指树的数量

5. **训练模型**:
`train`或`fit`方法用于拟合模型到数据上：

   [model, ~] = train(rfModel, X, Y);

6. **预测分类**:
对新的数据点进行预测：

   newSample = ...; % 新样本特征向量
   predictedClass = predict(model, newSample);

7. **评估性能**:
可以使用交叉验证（例如`cvpartition`）或混淆矩阵（`confusionmat`）来评估模型的性能。