资源简介
相当全的matlab的随机森林代码,有主程序和例子,部分64位的机器可能运行不了。需要的可以下载下,大家可以交流交流啊,

代码片段和文件信息
function printRF(out)
%!
%! Description:
%!
%! Print summary for output object returned from RFReg and RFClass.
%!
%! Usage:
%!
%! out = RFReg(param x y);
%! PrintRF(out);
%!
%! Arguments:
%!
%! out An output object returned from RFReg or RFClass.
%!
%
% Last update on Jun. 27 2003
% By Ting Wang Merck & Co.
%
nm = fieldnames(out);
for i=1:length(nm) % Print parameter settings
if strcmp(nm(i)‘param‘)
disp(‘ ‘);
disp([‘ Number of Trees: ‘num2str(out.param(1))]);
disp([‘ No. of Variables tried at each split: ‘ ...
num2str(out.param(2))]);
end;
end;
for i=1:length(nm) % Print error rate for training/test set
if strcmp(nm(i)‘errtr‘)
disp([‘ OOB estimate error rate for training data: ‘ ...
sprintf(‘%6.4f‘out.errtr(end))‘%‘]);
end;
if strcmp(nm(i)‘errts‘)
disp([‘ OOB estimate error rate for test data: ‘ ...
sprintf(‘%6.4f‘out.errts(end))‘%‘]);
end;
end;
for i=1:length(nm) % Print confusion matrix for training/test set
if strcmp(nm(i)‘mtab‘)
disp(‘ ‘);
disp([‘ Confusion Matrix For Training Set‘]);
k=size(out.mtab1);
disp([‘ |‘sprintf(‘%6.0f‘(1:k))‘ | err %‘]);
disp([‘ -----|‘repmat([‘-‘]16*k) ‘-|---------‘]);
for i=1:k
s=sum(out.mtab(i:));
if s>0 err=100*(1-out.mtab(ii)/s);
else err=NaN; end;
disp([sprintf(‘%6.0f‘i)‘ |‘ ...
sprintf(‘%6.0f‘out.mtab(i:)) ‘ |‘ ...
sprintf(‘%9.4f‘err)]);
end;
end;
if strcmp(nm(i)‘mtabts‘)
disp(‘ ‘);
disp([‘ Confusion Matrix For Test Set‘]);
k=size(out.mtabts1);
disp([‘ |‘sprintf(‘%6.0f‘(1:k))‘ | err %‘]);
disp([‘ -----|‘repmat([‘-‘]16*k) ‘-|---------‘]);
for i=1:k
s=sum(out.mtabts(i:));
if s>0 err=100*(1-out.mtabts(ii)/s);
else err=NaN; end;
disp([sprintf(‘%6.0f‘i)‘ |‘ ...
sprintf(‘%6.0f‘out.mtabts(i:)) ‘ |‘ ...
sprintf(‘%9.4f‘err)]);
end;
end;
end;
disp(‘ ‘);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 215904 2004-12-14 15:04 Random Forest Matlab Version\RandomForest.zip
文件 36864 2003-08-21 12:42 Random Forest Matlab Version\RFRegression.dll
目录 0 2004-12-14 15:07 Random Forest Matlab Version\Examples\
文件 32726 2002-08-21 16:07 Random Forest Matlab Version\Examples\boshouse.txt
文件 1194 2003-06-25 09:22 Random Forest Matlab Version\Examples\Example_Classification.m
文件 1145 2003-03-03 11:51 Random Forest Matlab Version\Examples\Example_Regression.m
文件 236745 2002-08-21 16:06 Random Forest Matlab Version\Examples\satimage_tes.txt
文件 525830 2002-08-21 16:06 Random Forest Matlab Version\Examples\satimage_tra.txt
文件 12564 2004-12-14 15:08 Random Forest Matlab Version\Examples\RFClass.m
文件 57344 2004-12-14 15:08 Random Forest Matlab Version\Examples\RFClassification.dll
文件 2276 2004-12-14 15:08 Random Forest Matlab Version\Examples\PrintRF.m
目录 0 2004-12-14 15:07 Random Forest Matlab Version\Fortran\
文件 60909 2003-06-27 13:11 Random Forest Matlab Version\Fortran\RFClassification.f
文件 24632 2003-06-30 12:08 Random Forest Matlab Version\Fortran\RFRegression.f
文件 97280 2003-09-15 10:55 Random Forest Matlab Version\Installation.doc
文件 12564 2003-06-25 10:16 Random Forest Matlab Version\RFClass.m
文件 2276 2003-06-27 16:02 Random Forest Matlab Version\PrintRF.m
文件 7959 2003-06-30 11:47 Random Forest Matlab Version\RFReg.m
文件 57344 2003-08-21 12:42 Random Forest Matlab Version\RFClassification.dll
文件 847 2003-09-15 11:11 Random Forest Matlab Version\ReadMe
文件 361769 1998-07-21 04:07 Random Forest Matlab Version\bootman.ps
目录 0 2004-12-14 15:06 Random Forest Matlab Version\
- 上一篇:FDTD 2Dmatlab实现
- 下一篇:消息传递算法mp的matlab代码
相关资源
- Matlab路面裂缝识别69319
- 高灵敏度GPS接收机MATLAB仿真,附捕获
- 基于MATLAB的质点弹道计算与外弹道优
- 阵列天线的matlab仿真
- MATLAB 经典程序源代码大全
- MATLAB小波软阈值去噪代码33473
- 天线阵的波束形成在MATLAB仿真程序及
- 非线性SVM算法-matlab实现
- 《MATLAB 智能算法超级学习手册》-程序
- 组合导航matlab程序
- 读取txt文件内容matlab代码实现
- Matlab实现基于相关的模板匹配程序
- matlab优化工具箱讲解
- 基于MATLAB的快速傅里叶变换
- 光纤传输中的分布傅立叶算法matlab实
- 基于matlab的图像处理源程序
- matlab 椭圆拟合程序
- 算术编码解码matlab源代码
- optical_flow 光流法 matlab 实现程序
- 引导图像滤波器 Matlab实现
- 分形几何中一些经典图形的Matlab画法
- OFDM系统MATLAB仿真代码
- SVM工具箱(matlab中运行)
- 图像小波变换MatLab源代码
- LU分解的MATLAB实现
- 冈萨雷斯数字图像处理matlab版(第三
- 替代数据法的matlab程序
- 用matlab实现的多站定位系统性能仿真
- 通过不同方法进行粗糙集属性约简m
- k近邻算法matlab实现
评论
共有 条评论