Ref: 官方 matlab   已有牛人

在前人的基础上进行学习，然后针对具体应用。 很容易掌握 随机森林法

基本概念

Random Forest（随机森林）是Bagging的扩展变体，它在以决策树 为基学习器构建Bagging集成的基础上，进一步在决策树的训练过程中引入了随机特征选择

因此可以概括RF包括四个部分：

1、随机选择样本（放回抽样）；

2、随机选择特征属性；

3、构建决策树；

4、随机森林投票（平均） 因此防止过拟合能力更强，降低方差。

图来源： 影响随机森林模型的参数

1 确定参数： leaf 和tree的数量

这一块直接使用他人代码，然后根据自己需求修改 。

input：输入的工艺参数 m*n , n个特征。

output：输出结果  m*1

for RFOptimizationNum=1:5RFLeaf=[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;
% xlabel 'Number of Grown Trees'
% ylabel 'Mean Squared Error' disp(RFOptimizationNum);
end
%RFLeaf=50; NumTrees=400

RFOptimizationNum是为了多次循环，防止最优结果受到随机干扰。

RFLeaf定义初始的叶子节点个数，这里设置了从5到500，从5到500这个范围内找到最优叶子节点个数。

Input与Output分别是输入（自变量）与输出（因变量）

如果训练还要调参，看这个

 叶子5（mse最小），树350（稳定了）

2 模型训练

 采用上面的参数进行训练

这里涉及里的一个随机分配数据集的问题，我的程序中数据已经归一化到【0,1】，所以获得随机样本后，有一个找训练集，然后删除随机样本的模块。就是赋值=-2，标记为随机的样本，循环外将测试集的行删除了。这里还可有其他方法，深度学习里有矩阵删除。后期补充。

TrainYield是训练集的因变量，TrainVARI是训练集的自变量；TestYield是测试集的因变量，TestVARI是测试集的自变量。 

变量名参照大牛的程序，所以没改。

%% 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)=-2;TrainVARI(m,:)=-2;
end
TrainYield(all(TrainYield==-2,2),:)=[];
TrainVARI(all(TrainVARI==-2,2),:)=[];%% RF
nTree=350;%200;%350;
nLeaf=5;% 前面获得的
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<1000disp(RFRMSE);
%     break;
% end
% disp(RFCycleRun);
% str=['Random Forest is Solving...',num2str(100*RFCycleRun/RFRunNumSet),'%'];
% waitbar(RFCycleRun/RFRunNumSet,RFScheduleBar,str);
%  end
close(RFScheduleBar);
RFRMSE
% % rmse=0.20
[mae,rmse,r2,mape] = EvlMetrix(TestYield,RFPredictYield) 

   nTree、nLeaf就是 确定的最优树个数与最优叶子节点个数，RFModel就是训练的模型，RFPredictYield是预测结果，RFPredictConfidenceInterval是预测结果的置信区间。

3 模型结果对比

   用随机测试集来测试性能

[RFPredictYield,RFPredictConfidenceInterval]=predict(RFModel,TestVARI);[mae,rmse,r2,mape] = EvlMetrix(TestYield,RFPredictYield)
figure
plot(TestYield,'b-d')
hold on
plot(RFPredictYield,'r-d')
hold off
legend('GroundTruth','Prediction')
xlabel('Sample Number')
ylabel('target Value')

4 评价函数

评价指标介绍 看大牛的

 评价指标的函数 MAE, RMSE, R2，MAPE 等具体计算方法如下，我进行了封装， Yreal，Ypred分别是真值和预测值。

平均绝对误差

  均方根误差

平均绝对误差（Mean Absolute Error）

. 

 平均绝对百分比误差（Mean Absolute Percentage Error）

 我用R2和mae进行性能比较

具体函数如下：

function [mae,rmse,r2,mape] = EvlMetrix(YReal,YPred)
% caculate the index of machine learning
%   Detailed explanation goes here
rmse = sqrt(mean((YPred-YReal).^2));
r2 = 1 - (sum((YPred - YReal).^2) / sum((YReal - mean(YReal)).^2));
mae = mean(abs(YReal - YPred));
mape = mean(abs((YReal - YPred)./YReal));
end

5 关联指标评价

我的参数太少，没用

figure
bar(RFModel.OOBPermutedVarDeltaError)
xlabel 'Feature Number' 
ylabel 'Out-of-Bag Feature Importance'