本文分为两部分,首先是对代码进行分段、详细讲解,方便大家理解;随后是完整代码,方便大家自行尝试。另外,关于基于MATLAB的神经网络(ANN)代码与详细解释,我们将在后期博客中介绍。
1 分解代码
1.1 最优叶子节点数与树数确定
首先,我们需要对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
其中,RFOptimizationNum
是为了多次循环,防止最优结果受到随机干扰;大家如果不需要,可以将这句话删除。
RFLeaf
定义初始的叶子节点个数,我这里设置了从5
到500
,也就是从5
到500
这个范围内找到最优叶子节点个数。
Input
与Output
分别是我的输入(自变量)与输出(因变量),大家自己设置即可。
运行后得到下图。
首先,我们看到MSE
最低的线是红色的,也就是5
左右的叶子节点数比较合适;再看各个线段大概到100
左右就不再下降,那么树的个数就是100
比较合适。
1.2 循环准备
由于机器学习往往需要多次执行,我们就在此先定义循环。
%% Cycle Preparation RFScheduleBar=waitbar(0,'Random Forest is Solving...'); RFRMSEMatrix=[]; RFrAllMatrix=[]; RFRunNumSet=10; for RFCycleRun=1:RFRunNumSet
其中,RFRMSEMatrix
与RFrAllMatrix
分别用来存放每一次运行的RMSE、r结果,RFRunNumSet
是循环次数,也就是RF运行的次数。
1.3 数据划分
接下来,我们需要将数据划分为训练集与测试集。这里要注意:RF其实一般并不需要划分训练集与测试集,因为其可以采用袋外误差(Out of Bag Error,OOB Error)来衡量自身的性能。但是因为我是做了多种机器学习方法的对比,需要固定训练集与测试集,因此就还进行了数据划分的步骤。
%% 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。
因为我这里是做估产回归的,因此变量名称就带上了Yield
,大家理解即可。
1.4 随机森林实现
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);
其中,nTree
、nLeaf
就是本文1.1部分中我们确定的最优树个数与最优叶子节点个数,RFModel
就是我们所训练的模型,RFPredictYield
是预测结果,RFPredictConfidenceInterval
是预测结果的置信区间。
1.5 精度衡量
在这里,我们用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);
在这里,我定义了当RMSE满足<400
这个条件时,模型将自动停止;否则将一直执行到本文1.2部分中我们指定的次数。其中,模型每一次运行都会将RMSE与r结果记录到对应的矩阵中。
1.6 变量重要程度排序
接下来,我们结合RF算法的一个功能,对所有的输入变量进行分析,去获取每一个自变量对因变量的解释程度。
%% 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');
这里代码就不再具体解释了,大家会得到一幅图,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。
其中,我注释掉的这段是依据我当时的数据情况来的,大家就不用了。
更新:
这里请大家注意,上述代码中我注释掉的内容,是依据每一幅图像的名称对重要性排序的X
轴(也就是VariableImportanceX
)加以注释(我当时做的是依据遥感图像估产,因此每一个输入变量的名称其实就是对应的图像的名称),所以使得得到的变量重要性柱状图的X
轴会显示每一个变量的名称。大家用自己的数据来跑的时候,可以自己设置一个变量名称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(也就是列数)比较少的时候,也可以用我上述代码中间的这个for i=1:size(Input,2)
循环——这是一个偷懒的办法,也就是将重要性排序图的X轴中每一个变量的名称显示为一个正方形,如下图红色圈内。这里比较复杂,因此如果大家这一部分没有搞明白或者是一直报错,在本文下方直接留言就好~
1.7 保存模型
接下来,就可以将合适的模型保存。
%% 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
是保存路径,save
后的内容是需要保存的变量名称。
2 完整代码
完整代码如下:
%% 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');
至此,大功告成。
到此这篇关于Matlab利用随机森林(RF)算法实现回归预测详解的文章就介绍到这了,更多相关Matlab回归预测内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!