随机森林（RF）特征重要性排序 数据回归预测 matlab代码 替换自己的数据 上手简单 只代码 不负责

直接甩代码前咱先唠两句。随机森林这玩意儿有个天然优势——训练完模型能顺手把特征重要性排名给吐出来。这事儿对搞特征筛选的人来说贼方便，尤其是当你面对几百个特征不知道先砍哪个的时候。

上Matlab代码（别慌，就10行）：

% 老铁先把数据塞进来
data = readmatrix('你的数据.xlsx'); % 路径自己改
X = data(:,1:end-1); % 最后一列是y
y = data(:,end);

% 搓个随机森林
rf = TreeBagger(100, X, y, 'Method','regression', 'OOBPredictorImportance','on');

% 掏特征重要性
imp = rf.OOBPermutedPredictorDeltaError;
[~, idx] = sort(imp, 'descend');

% 画个直方图更直观
figure
bar(imp(idx))
xticks(1:length(imp))
xticklabels(rf.PredictorNames(idx))
title('Feature Importance Ranking')

重点说下OOBPermutedPredictorDeltaError这个参数。它表示打乱某个特征后，模型误差增加了多少。误差涨得越狠，说明这特征越重要。比如在房价预测里，把"面积"这个特征打乱，模型误差可能暴涨30%，而"离地铁站距离"打乱只涨5%，那明显面积更重要。

代码里藏了个小技巧：TreeBagger默认不返回特征名称，如果数据没有列名的话，建议在导入数据时用readtable代替readmatrix，然后保留列名。举个栗子：

data = readtable('房价数据.csv');
rf.PredictorNames = data.Properties.VariableNames(1:end-1); % 手动塞特征名

新手常踩的坑是数据没预处理。随机森林虽然对量纲不敏感，但如果有缺失值还是会报错。建议加个清洗步骤：

% 删缺失行
data(any(ismissing(data),2),:) = [];
% 或者用均值填充
data = fillmissing(data,'constant',mean(data,'omitnan'));

最后说下效果验证。训练完可以顺手算个R²：

y_pred = predict(rf, X);
rsq = 1 - sum((y - y_pred).^2)/sum((y - mean(y)).^2)

如果R²低于0.7，可能需要回去检查特征工程，或者加树的数量（把代码里的100调大到500试试）。但别无脑堆数量，超过500棵之后提升会越来越小，反而影响训练速度。

特征重要性排完不是终点，建议用前5-10个重要特征重新训练模型，对比效果。有时候去掉冗余特征反而能提升模型泛化能力，尤其是在样本量少的时候。