Matlab TreeBagger随机森林分类实例

最新推荐文章于 2024-08-11 16:55:05 发布

大作家佚名

最新推荐文章于 2024-08-11 16:55:05 发布

阅读量4.6k

点赞数 4

分类专栏：机器学习 MATLAB 文章标签：随机森林你分类

本文链接：https://blog.csdn.net/wokaowokaowokao12345/article/details/115953036

版权

MATLAB 同时被 2 个专栏收录

48 篇文章 54 订阅

订阅专栏

机器学习

18 篇文章 46 订阅

订阅专栏

该博客介绍了使用Matlab构建随机森林模型对鸢尾花数据集进行分类的过程。首先，通过随机划分数据集为训练集和验证集。接着，运用TreeBagger函数生成50棵树，并分析了每棵树的错误率和特征重要性。最后，展示了模型的预测性能，用混淆矩阵评估了验证集上的分类精度。

摘要由CSDN通过智能技术生成

例子

clc; clear all; close all;

rng(6,'twister')

% 载入数据，花的数据
load fisheriris

% 随机划分训练数据和验证数据
index = logical(randi([0 1],1,150));

% 训练数据
Xtt = meas(index,:);
Ytt = species(index,:);

b = TreeBagger(50,Xtt,Ytt,'OOBPredictorImportance','On');

% 模型性能
figure
plot(oobError(b))
xlabel('Number of Grown Trees')
ylabel('Out-of-Bag Classification Error')

b.DefaultYfit = '';
figure
plot(oobError(b))
xlabel('Number of Grown Trees')
ylabel('Out-of-Bag Error Excluding In-Bag Observations')

figure
bar(b.OOBPermutedPredictorDeltaError)
xlabel('Feature Index')
ylabel('Out-of-Bag Feature Importance')

% 利用模型进行预测
Xtp = meas(~index,:);
Ytp = species(~index,:);
Ypp = predict(b, Xtp);

% 验证模型分类精度
figure
cm = confusionchart(Ytp,Ypp);
cm.NormalizedValues
cm.Title = 'Iris Flower Classification';
cm.RowSummary = 'row-normalized';
cm.ColumnSummary = 'column-normalized';

混淆矩阵，验证精度
在这里插入图片描述