Matlab利用隨機森林(RF)算法實現(xiàn)回歸預(yù)測詳解
本文分為兩部分，首先是對代碼進行分段、詳細講解，方便大家理解；隨后是完整代碼，方便大家自行嘗試。另外，關(guān)于基于MATLAB的神經(jīng)網(wǎng)絡(luò)（ANN）代碼與詳細解釋，我們將在后期博客中介紹。
1 分解代碼
1.1 最優(yōu)葉子節(jié)點數(shù)與樹數(shù)確定
首先，我們需要對RF對應(yīng)的葉子節(jié)點數(shù)與樹的數(shù)量加以擇優(yōu)選取。
%% Number of Leaves and Trees Optimization
for RFOptimizationNum=1:5
RFLeaf=[5,10,20,50,100,200,500];
col='rgbcmyk';
figure('Name','RF Leaves and Trees');
for i=1:length(RFLeaf)
RFModel=TreeBagger(2000,Input,Output,'Method','R','OOBPrediction','On','MinLeafSize',RFLeaf(i));
plot(oobError(RFModel),col(i));
hold on
end
xlabel('Number of Grown Trees');
ylabel('Mean Squared Error') ;
LeafTreelgd=legend({'5' '10' '20' '50' '100' '200' '500'},'Location','NorthEast');
title(LeafTreelgd,'Number of Leaves');
hold off;
disp(RFOptimizationNum);
end
其中，RFOptimizationNum是為了多次循環(huán)，防止最優(yōu)結(jié)果受到隨機干擾；大家如果不需要，可以將這句話刪除。
RFLeaf定義初始的葉子節(jié)點個數(shù)，我這里設(shè)置了從5到500，也就是從5到500這個范圍內(nèi)找到最優(yōu)葉子節(jié)點個數(shù)。
Input與Output分別是我的輸入（自變量）與輸出（因變量），大家自己設(shè)置即可。
運行后得到下圖。
首先，我們看到MSE最低的線是紅色的，也就是5左右的葉子節(jié)點數(shù)比較合適；再看各個線段大概到100左右就不再下降，那么樹的個數(shù)就是100比較合適。
1.2 循環(huán)準備
由于機器學習往往需要多次執(zhí)行，我們就在此先定義循環(huán)。
%% Cycle Preparation RFScheduleBar=waitbar(0,'Random Forest is Solving...'); RFRMSEMatrix=[]; RFrAllMatrix=[]; RFRunNumSet=10; for RFCycleRun=1:RFRunNumSet
其中，RFRMSEMatrix與RFrAllMatrix分別用來存放每一次運行的RMSE、r結(jié)果，RFRunNumSet是循環(huán)次數(shù)，也就是RF運行的次數(shù)。
1.3 數(shù)據(jù)劃分
接下來，我們需要將數(shù)據(jù)劃分為訓練集與測試集。這里要注意：RF其實一般并不需要劃分訓練集與測試集，因為其可以采用袋外誤差（Out of Bag Error，OOB Error）來衡量自身的性能。但是因為我是做了多種機器學習方法的對比，需要固定訓練集與測試集，因此就還進行了數(shù)據(jù)劃分的步驟。
%% Training Set and Test Set Division
RandomNumber=(randperm(length(Output),floor(length(Output)*0.2)))';
TrainYield=Output;
TestYield=zeros(length(RandomNumber),1);
TrainVARI=Input;
TestVARI=zeros(length(RandomNumber),size(TrainVARI,2));
for i=1:length(RandomNumber)
m=RandomNumber(i,1);
TestYield(i,1)=TrainYield(m,1);
TestVARI(i,:)=TrainVARI(m,:);
TrainYield(m,1)=0;
TrainVARI(m,:)=0;
end
TrainYield(all(TrainYield==0,2),:)=[];
TrainVARI(all(TrainVARI==0,2),:)=[];
其中，TrainYield是訓練集的因變量，TrainVARI是訓練集的自變量；TestYield是測試集的因變量，TestVARI是測試集的自變量。
因為我這里是做估產(chǎn)回歸的，因此變量名稱就帶上了Yield，大家理解即可。
1.4 隨機森林實現(xiàn)
這部分代碼其實比較簡單。
%% RF
nTree=100;
nLeaf=5;
RFModel=TreeBagger(nTree,TrainVARI,TrainYield,...
'Method','regression','OOBPredictorImportance','on', 'MinLeafSize',nLeaf);
[RFPredictYield,RFPredictConfidenceInterval]=predict(RFModel,TestVARI);
其中，nTree、nLeaf就是本文1.1部分中我們確定的最優(yōu)樹個數(shù)與最優(yōu)葉子節(jié)點個數(shù)，RFModel就是我們所訓練的模型，RFPredictYield是預(yù)測結(jié)果，RFPredictConfidenceInterval是預(yù)測結(jié)果的置信區(qū)間。
1.5 精度衡量
在這里，我們用RMSE與r衡量模型精度。
%% Accuracy of RF
RFRMSE=sqrt(sum(sum((RFPredictYield-TestYield).^2))/size(TestYield,1));
RFrMatrix=corrcoef(RFPredictYield,TestYield);
RFr=RFrMatrix(1,2);
RFRMSEMatrix=[RFRMSEMatrix,RFRMSE];
RFrAllMatrix=[RFrAllMatrix,RFr];
if RFRMSE<400
disp(RFRMSE);
break;
end
disp(RFCycleRun);
str=['Random Forest is Solving...',num2str(100*RFCycleRun/RFRunNumSet),'%'];
waitbar(RFCycleRun/RFRunNumSet,RFScheduleBar,str);
end
close(RFScheduleBar);
在這里，我定義了當RMSE滿足<400這個條件時，模型將自動停止；否則將一直執(zhí)行到本文1.2部分中我們指定的次數(shù)。其中，模型每一次運行都會將RMSE與r結(jié)果記錄到對應(yīng)的矩陣中。
1.6 變量重要程度排序
接下來，我們結(jié)合RF算法的一個功能，對所有的輸入變量進行分析，去獲取每一個自變量對因變量的解釋程度。
%% Variable Importance Contrast
VariableImportanceX={};
XNum=1;
% for TifFileNum=1:length(TifFileNames)
% if ~(strcmp(TifFileNames(TifFileNum).name(4:end-4),'MaizeArea') | ...
% strcmp(TifFileNames(TifFileNum).name(4:end-4),'MaizeYield'))
% eval(['VariableImportanceX{1,XNum}=''',TifFileNames(TifFileNum).name(4:end-4),''';']);
% XNum=XNum+1;
% end
% end
for i=1:size(Input,2)
eval(['VariableImportanceX{1,XNum}=''',i,''';']);
XNum=XNum+1;
end
figure('Name','Variable Importance Contrast');
VariableImportanceX=categorical(VariableImportanceX);
bar(VariableImportanceX,RFModel.OOBPermutedPredictorDeltaError)
xtickangle(45);
set(gca, 'XDir','normal')
xlabel('Factor');
ylabel('Importance');
這里代碼就不再具體解釋了，大家會得到一幅圖，是每一個自變量對因變量的重要程度，數(shù)值越大，重要性越大。
其中，我注釋掉的這段是依據(jù)我當時的數(shù)據(jù)情況來的，大家就不用了。
更新：
這里請大家注意，上述代碼中我注釋掉的內(nèi)容，是依據(jù)每一幅圖像的名稱對重要性排序的X軸（也就是VariableImportanceX）加以注釋（我當時做的是依據(jù)遙感圖像估產(chǎn)，因此每一個輸入變量的名稱其實就是對應(yīng)的圖像的名稱），所以使得得到的變量重要性柱狀圖的X軸會顯示每一個變量的名稱。大家用自己的數(shù)據(jù)來跑的時候，可以自己設(shè)置一個變量名稱的字段元胞然后放到VariableImportanceX，然后開始figure繪圖；如果在輸入數(shù)據(jù)的特征個數(shù)（也就是列數(shù)）比較少的時候，也可以用我上述代碼中間的這個for i=1:size(Input,2)循環(huán)——這是一個偷懶的辦法，也就是將重要性排序圖的X軸中每一個變量的名稱顯示為一個正方形，如下圖紅色圈內(nèi)。這里比較復雜，因此如果大家這一部分沒有搞明白或者是一直報錯，在本文下方直接留言就好~
1.7 保存模型
接下來，就可以將合適的模型保存。
%% RF Model Storage
RFModelSavePath='G:\CropYield\02_CodeAndMap\00_SavedModel\';
save(sprintf('%sRF0410.mat',RFModelSavePath),'nLeaf','nTree',...
'RandomNumber','RFModel','RFPredictConfidenceInterval','RFPredictYield','RFr','RFRMSE',...
'TestVARI','TestYield','TrainVARI','TrainYield');
其中，RFModelSavePath是保存路徑，save后的內(nèi)容是需要保存的變量名稱。
2 完整代碼
完整代碼如下：
%% Number of Leaves and Trees Optimization
for RFOptimizationNum=1:5
RFLeaf=[5,10,20,50,100,200,500];
col='rgbcmyk';
figure('Name','RF Leaves and Trees');
for i=1:length(RFLeaf)
RFModel=TreeBagger(2000,Input,Output,'Method','R','OOBPrediction','On','MinLeafSize',RFLeaf(i));
plot(oobError(RFModel),col(i));
hold on
end
xlabel('Number of Grown Trees');
ylabel('Mean Squared Error') ;
LeafTreelgd=legend({'5' '10' '20' '50' '100' '200' '500'},'Location','NorthEast');
title(LeafTreelgd,'Number of Leaves');
hold off;
disp(RFOptimizationNum);
end
%% Notification
% Set breakpoints here.
%% Cycle Preparation
RFScheduleBar=waitbar(0,'Random Forest is Solving...');
RFRMSEMatrix=[];
RFrAllMatrix=[];
RFRunNumSet=50000;
for RFCycleRun=1:RFRunNumSet
%% Training Set and Test Set Division
RandomNumber=(randperm(length(Output),floor(length(Output)*0.2)))';
TrainYield=Output;
TestYield=zeros(length(RandomNumber),1);
TrainVARI=Input;
TestVARI=zeros(length(RandomNumber),size(TrainVARI,2));
for i=1:length(RandomNumber)
m=RandomNumber(i,1);
TestYield(i,1)=TrainYield(m,1);
TestVARI(i,:)=TrainVARI(m,:);
TrainYield(m,1)=0;
TrainVARI(m,:)=0;
end
TrainYield(all(TrainYield==0,2),:)=[];
TrainVARI(all(TrainVARI==0,2),:)=[];
%% RF
nTree=100;
nLeaf=5;
RFModel=TreeBagger(nTree,TrainVARI,TrainYield,...
'Method','regression','OOBPredictorImportance','on', 'MinLeafSize',nLeaf);
[RFPredictYield,RFPredictConfidenceInterval]=predict(RFModel,TestVARI);
% PredictBC107=cellfun(@str2num,PredictBC107(1:end));
%% Accuracy of RF
RFRMSE=sqrt(sum(sum((RFPredictYield-TestYield).^2))/size(TestYield,1));
RFrMatrix=corrcoef(RFPredictYield,TestYield);
RFr=RFrMatrix(1,2);
RFRMSEMatrix=[RFRMSEMatrix,RFRMSE];
RFrAllMatrix=[RFrAllMatrix,RFr];
if RFRMSE<1000
disp(RFRMSE);
break;
end
disp(RFCycleRun);
str=['Random Forest is Solving...',num2str(100*RFCycleRun/RFRunNumSet),'%'];
waitbar(RFCycleRun/RFRunNumSet,RFScheduleBar,str);
end
close(RFScheduleBar);
%% Variable Importance Contrast
VariableImportanceX={};
XNum=1;
% for TifFileNum=1:length(TifFileNames)
% if ~(strcmp(TifFileNames(TifFileNum).name(4:end-4),'MaizeArea') | ...
% strcmp(TifFileNames(TifFileNum).name(4:end-4),'MaizeYield'))
% eval(['VariableImportanceX{1,XNum}=''',TifFileNames(TifFileNum).name(4:end-4),''';']);
% XNum=XNum+1;
% end
% end
for i=1:size(Input,2)
eval(['VariableImportanceX{1,XNum}=''',i,''';']);
XNum=XNum+1;
end
figure('Name','Variable Importance Contrast');
VariableImportanceX=categorical(VariableImportanceX);
bar(VariableImportanceX,RFModel.OOBPermutedPredictorDeltaError)
xtickangle(45);
set(gca, 'XDir','normal')
xlabel('Factor');
ylabel('Importance');
%% RF Model Storage
RFModelSavePath='G:\CropYield\02_CodeAndMap\00_SavedModel\';
save(sprintf('%sRF0410.mat',RFModelSavePath),'nLeaf','nTree',...
'RandomNumber','RFModel','RFPredictConfidenceInterval','RFPredictYield','RFr','RFRMSE',...
'TestVARI','TestYield','TrainVARI','TrainYield');
至此，大功告成。
到此這篇關(guān)于Matlab利用隨機森林(RF)算法實現(xiàn)回歸預(yù)測詳解的文章就介紹到這了,更多相關(guān)Matlab回歸預(yù)測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
c語言while語句的使用語法如“while(condition)?{statement(s);}”,該語句可以是單個語句,也可以是一個語句塊,其條件可以是任意表達式,true是任意非零值,當條件為真時,循環(huán)進行迭代2022-05-05
本文給大家總結(jié)了一下我們在學習C和C++的時候的一些經(jīng)驗和需要注意的事項，希望能給大家一些幫助，少走些彎路2015-12-12
智能指針是C++中用于管理動態(tài)分配資源的強大工具,通過正確使用智能指針,可以顯著減少內(nèi)存泄漏的可能性,這篇文章主要介紹了C++中的智能指針舉例詳解及注意事項的相關(guān)資料,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2025-03-03
這篇文章主要介紹了C++vector自定義大小方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-05-05
vscode C++遠程調(diào)試運行（學習C++用）
這篇文章主要介紹了vscode C++遠程調(diào)試運行（學習C++用）,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-04-04
C++正則表達式是一個非常強大和實用的工具,但是使用它們時需要注意仔細檢查代碼是否符合語法規(guī)則,這篇文章主要給大家介紹了關(guān)于c++使用regex報錯regex_error的兩種解決方案,需要的朋友可以參考下2024-03-03
這篇文章主要為大家詳細介紹了C++實現(xiàn)簡單通訊錄，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-12-12
數(shù)據(jù)結(jié)構(gòu) C語言實現(xiàn)循環(huán)單鏈表的實例
這篇文章主要介紹了數(shù)據(jù)結(jié)構(gòu) C語言實現(xiàn)循環(huán)單鏈表的實例的相關(guān)資料,需要的朋友可以參考下2017-05-05
這篇文章主要介紹了C語言實現(xiàn)頭插法建立單鏈表的方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-07-07
數(shù)組是一組有序的數(shù)據(jù)的集合，數(shù)組中元素類型相同，由數(shù)組名和下標唯一地確定，數(shù)組中數(shù)據(jù)不僅數(shù)據(jù)類型相同，而且在計算機內(nèi)存里連續(xù)存放，地址編號最低的存儲單元存放數(shù)組的起始元素，地址編號最高的存儲單元存放數(shù)組的最后一個元素2022-04-04