预测未来 | MATLAB实现RF随机森林多变量时间序列预测未来-预测新数据

预测未来 | MATLAB实现RF随机森林多变量时间序列预测未来-预测新数据

预测效果

基本介绍

随机森林属于 集成学习 中的 Bagging（Bootstrap AGgregation 的简称） 方法。如果用图来表示他们之间的关系如下：

• 随机森林是由很多决策树构成的，不同决策树之间没有关联。当我们进行分类任务时，新的输入样本进入，就让森林中的每一棵决策树分别进行判断和分类，每个决策树会得到一个自己的分类结果，决策树的分类结果中哪一个分类最多，那么随机森林就会把这个结果当做最终的结果。

模型描述

• 优点
  它可以出来很高维度（特征很多）的数据，并且不用降维，无需做特征选择
  它可以判断特征的重要程度
  可以判断出不同特征之间的相互影响
  不容易过拟合
  训练速度比较快，容易做成并行方法
  实现起来