本文已参与「新人创造礼」活动，一同开启创造之路。

本文介绍根据MATLAB，使用随机森林（RF）算法完成回归猜测，以及自变量重要性排序的操作。

本文分为两部分，首要是对代码进行分段、详细讲解，方便咱们了解；随后是完好代码，方便咱们自行测验。别的，关于根据MATLAB的神经网络（ANN）代码与详细解说，咱们能够查看我的其他文章

1 分化代码

1.1 最优叶子节点数与树数确定

首要，咱们需求对RF对应的叶子节点数与树的数量加以择优选取。

%% 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

其间，RFOptimizationNum是为了屡次循环，避免最优成果受到随机搅扰；咱们如果不需求，能够将这句话删去。RFLeaf界说初始的叶子节点个数，我这儿设置了从5到500，也便是从5到500这个范围内找到最优叶子节点个数。Input与Output别离是我的输入（自变量）与输出（因变量），咱们自己设置即可。

运行后得到下图。

首要，咱们看到MSE最低的线是红色的，也便是5左右的叶子节点数比较适宜；再看各个线段大概到100左右就不再下降，那么树的个数便是100比较适宜。

1.2 循环准备

由于机器学习往往需求屡次履行，咱们就在此先界说循环。

%% Cycle Preparation
RFScheduleBar=waitbar(0,'Random Forest is Solving...');
RFRMSEMatrix=[];
RFrAllMatrix=[];
RFRunNumSet=10;
for RFCycleRun=1:RFRunNumSet

其间，RFRMSEMatrix与RFrAllMatrix别离用来寄存每一次运行的RMSE、r成果，RFRunNumSet是循环次数，也便是RF运行的次数。

1.3 数据区分

接下来，咱们需求将数据区分为练习集与测验集。这儿要留意：RF其实一般并不需求区分练习集与测验集，由于其能够选用袋外差错（Out of Bag Error，OOB Error）来衡量本身的性能。可是由于我是做了多种机器学习方法的比照，需求固定练习集与测验集，因而就还进行了数据区分的过程。

%% 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),:)=[];

其间，TrainYield是练习集的因变量，TrainVARI是练习集的自变量；TestYield是测验集的因变量，TestVARI是测验集的自变量。

由于我这儿是做估产回归的，因而变量称号就带上了Yield，咱们了解即可。

1.4 随机森林完成

这部分代码其实比较简单。

%% RF
nTree=100;
nLeaf=5;
RFModel=TreeBagger(nTree,TrainVARI,TrainYield,...
    'Method','regression','OOBPredictorImportance','on', 'MinLeafSize',nLeaf);
[RFPredictYield,RFPredictConfidenceInterval]=predict(RFModel,TestVARI);

其间，nTree、nLeaf便是本文1.1部分中咱们确定的最优树个数与最优叶子节点个数，RFModel便是咱们所练习的模型，RFPredictYield是猜测成果，RFPredictConfidenceInterval是猜测成果的置信区间。

1.5 精度衡量

在这儿，咱们用RMSE与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);

在这儿，我界说了当RMSE满足<400这个条件时，模型将主动停止；否则将一向履行到本文1.2部分中咱们指定的次数。其间，模型每一次运行都会将RMSE与r成果记录到对应的矩阵中。

1.6 变量重要程度排序

接下来，咱们结合RF算法的一个功能，对一切的输入变量进行分析，去获取每一个自变量对因变量的解说程度。

%% 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');

这儿代码就不再详细解说了，咱们会得到一幅图，是每一个自变量对因变量的重要程度，数值越大，重要性越大。

其间，我注释掉的这段是根据我当时的数据情况来的，咱们就不用了。

更新：这儿请咱们留意，上述代码中我注释掉的内容，是根据每一幅图画的称号对重要性排序的X轴（也便是VariableImportanceX）加以注释（我当时做的是根据遥感图画估产，因而每一个输入变量的称号其实便是对应的图画的称号），所以使得得到的变量重要性柱状图的X轴会显现每一个变量的称号。咱们用自己的数据来跑的时分，能够自己设置一个变量称号的字段元胞然后放到VariableImportanceX，然后开始figure绘图；如果在输入数据的特征个数（也便是列数）比较少的时分，也能够用我上述代码中心的这个for i=1:size(Input,2)循环——这是一个偷闲的办法，也便是将重要性排序图的X轴中每一个变量的称号显现为一个正方形，如下图红色圈内。这儿比较复杂，因而如果咱们这一部分没有搞明白或者是一向报错，在本文下方直接留言就好~

1.7 保存模型

接下来，就能够将适宜的模型保存。

%% 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');

其间，RFModelSavePath是保存路径，save后的内容是需求保存的变量称号。

2 完好代码

完好代码如下：

%% 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');

MATLAB实现随机森林回归预测并对变量的影响程度进行排序

1 分化代码

1.1 最优叶子节点数与树数确定

1.2 循环准备

1.3 数据区分

1.4 随机森林完成

1.5 精度衡量

1.6 变量重要程度排序

1.7 保存模型

2 完好代码

作者信息

MATLAB实现随机森林回归预测并对变量的影响程度进行排序

1 分化代码

1.1 最优叶子节点数与树数确定

1.2 循环准备

1.3 数据区分

1.4 随机森林完成

1.5 精度衡量

1.6 变量重要程度排序

1.7 保存模型

2 完好代码

相关文章

用MidJourney设计自己的专属Logo；哈佛大学教你如何使用GPT-4打造智能程序；ChatGPT精美入门手册；使用ChatGPT开发二次元游戏攻略

58Fair动态页面加载与变量值获取流程解析

ChatGPT 之后，B 端产品设计会迎来颠覆式革命吗？| Liga妙谈

ChatGPT代码解释器：AI交互新纪元的开启者

作者信息