Matlab 随机森林工具箱的配置使用

 总结一下Matlab随机森林工具箱的配置和使用

配置环境Matlab2019a + windows10 + vs2017

1、下载Matlab随机森林工具箱，下载地址http://www.buaapress.com.cn/mzs/file/detail/id/442/key/037fdd19774875e6e8a9843838a62197

链接里“《MATLAB 神经网络43个案例分析》源代码&数据”chapter30.zip中就有我们需要的代码包RF_MexStandalone-v0.02.zip，同时还有测试代码（分类）。

2、解压RF_MexStandalone-v0.02.zip，将解压的文件复制到自己电脑中Matlab2019a/toolbox/下。

3、Matlab设置路径

4、预设，更新工具箱缓存，完事后点确定

5、在Matlab命令行窗口输入mex -setup，点击mex -setup C++进行编译

6、运行Matlab2019a\toolbox\RF_MexStandalone-v0.02\randomforest-matlab\RF_Class_C\路径下的compile_windows.m文件，很遗憾，会出错，查看错误信息，大致分为2类。

（1）第一个waring C4267，可以不用管。

（2）第二个error C2664，是需要修改的错误，错误原因是“int”无法转换为“mxComplexity”，类型之间转换出错，按找路径打开mex_ClassificationRF_train.cpp，将所有mxCreateNumericMatrix()函数的第4个参数“0”改为“static_cast(0)”，共21处需要修改。

 7、重新运行compile_windows.m文件，很遗憾，又出错了。错误原因为无法从“int*”转换为“const mwSize*”，错误的地方在mex_ClassificationRF_predict.cpp文件里。只需将mxCreateNumericArray()第2个参数的类型改为mwSize* 类型即可。

 8、再次重新运行compile_windows.m文件，终于成功了！

 9、可以使用chapter30里的main.m函数测试随机森林工具箱，效果还不错。

10、上述只是配置了分类模式下的工具箱(RF_Class_C)，如需配置回归模式下的工具在，运行Matlab2019a\toolbox\RF_MexStandalone-v0.02\randomforest-matlab\RF_Reg_C\路径下的compile_windows.m文件即可，会出现同上述相同的错误，照着改就完事了。