Matlab 2022a 随机森林特征重要性排序代码

在 Matlab 2022a 中，你可以使用'TreeBagger' 对象的'OOBPermutedPredictorDeltaError' 属性来获取随机森林模型的特征重要性排序。以下是添加特征重要性排序代码的示例：

% 创建随机森林回归模型并进行交叉验证
NumTrees = 400;
nLeaf = 5;

TreeMdl = TreeBagger(NumTrees, trainFeatures, trainOutputs(:,1), 'oobprediction', 'on', 'method', 'regression', 'minleaf', nLeaf);

% 获取特征重要性排序
featureImportance = TreeMdl.OOBPermutedPredictorDeltaError;

% 对特征重要性进行排序
[sortedImportance, sortedIndices] = sort(featureImportance, 'descend');

% 打印特征重要性排序结果
for i = 1:numel(sortedIndices)
    fprintf('特征 %d: 重要性 = %f\n', sortedIndices(i), sortedImportance(i));
end

在上述代码中，我们使用'TreeBagger' 函数来训练随机森林回归模型，并将其存储在'TreeMdl' 变量中。然后，我们使用'TreeMdl.OOBPermutedPredictorDeltaError' 属性获取特征重要性排序。接下来，我们使用'sort' 函数对特征重要性进行降序排序，并将排序后的特征索引存储在'sortedIndices' 中。最后，我们通过循环打印出特征重要性排序的结果。

请注意，这段代码仅获取了第一个输出列的特征重要性排序。如果你对其他输出列感兴趣，可以相应地调整代码。同样，如果你有多个输出列，可以为每个输出列分别计算特征重要性排序。