机器学习之MATLAB代码--随机森林（一）_随机森林matlab代码

代码：

%% 初始化数据
clc
clear
close all
%%  导入数据
data = xlsread('数据集.xlsx','Sheet1','A1:F100');%导入数据库

%%  划分训练集和测试集
TE= randperm(100);%将数据打乱，重新排序；

PN = data(TE(1: 80), 1: 5)';%划分训练集输入
TN = data(TE(1: 80), 6)';%划分训练集输出

PM = data(TE(81: end), 1: 5)';%划分测试集输入
TM = data(TE(81: end), 6)';%划分测试集输出

%%  数据归一化
[pn, ps_input] = mapminmax(PN, 0, 1);%归一化到（0，1）
pn=pn';
pm = mapminmax('apply', PM, ps_input);%引用结构体，保持归一化方法一致；
pm=pm';
[tn, ps_output] = mapminmax(TN, 0, 1);
tn=tn';

%%  模型参数设置及训练模型
trees = 100; % 决策树数目
leaf  = 5; % 最小叶子数
OOBPrediction = 'on';  % 打开误差图
OOBPredictorImportance = 'on'; % 计算特征重要性
Method = 'regression';  % 选择回归或分类
net = TreeBagger(trees, pn, tn, 'OOBPredictorImportance', OOBPredictorImportance,...
      'Method', Method, 'OOBPrediction', OOBPrediction, 'minleaf', leaf);
importance = net.OOBPermutedPredictorDeltaError;  % 重要性

%%  仿真测试
pyuce = predict(net, pm );

%%  数据反归一化
Pyuce = mapminmax('reverse', pyuce, ps_output);
Pyuce =Pyuce';

%%  绘图
figure %画图真实值与预测值对比图
plot(TM,'bo-')
hold on
plot(Pyuce,'r*-')
hold on
legend('真实值','预测值')
xlabel('预测样本')
ylabel('预测结果')
grid  on

figure % 绘制特征重要性图
bar(importance)
legend('各因素重要性')
xlabel('特征')
ylabel('重要性')

%%  相关指标计算
error=Pyuce-TM;
[~,len]=size(TM);
R2=1-sum((TM-Pyuce).^2)/sum((mean(TM)-TM).^2);%相关性系数
MSE=error*error'/len;%均方误差
RMSE=MSE^(1/2);%均方根误差
disp(['测试集数据的MSE为：', num2str(MSE)])
disp(['测试集数据的MBE为：', num2str(RMSE)])
disp(['测试集数据的R2为：', num2str(R2)])




1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71

数据部分截图

结果：



如有需要数据和代码压缩包请在评论区发邮箱留言，一般一天之内会发送，记得关注和点赞哦！！