MATLAB 中随机森林函数: TreeBagger 的使用指南

在 MATLAB 中，用于构建随机森林模型的函数是 TreeBagger。TreeBagger 函数实现了随机森林算法，它是一种集成学习方法，通过组合多个决策树来进行分类或回归任务。

TreeBagger 函数的语法如下：

model = TreeBagger(numTrees, predictorData, response, 'Name', Value)

其中，numTrees 指随机森林中的决策树数量；predictorData 是训练数据的预测变量；response 是训练数据的响应变量。

除了必需的输入参数外，您还可以使用一些可选的名称-值对来设置其他属性，例如：

'Method'：指定决策树的分割算法，默认为 'classification' 进行分类任务，可以设置为 'regression' 进行回归任务。
'OOBPrediction'：设置是否计算袋外预测误差，默认为 'off' 不计算，可以设置为 'on' 进行计算。
'MinLeafSize'：指定叶节点的最小样本数，默认为 1。

通过调用 TreeBagger 函数并传入相应的参数，您可以构建随机森林模型，并将其赋值给变量 model，以便后续对测试数据进行预测或评估模型性能。