简介Matlab实现麻雀搜索算法优化随机森林SSA-RF与标准随机森林RF的多特征分类预测源码包面向机器学习初学者、课程设计及科研人员用以快速完成智能优化算法与集成学习结合的对比实验。资源输入12个特征输出四分类结果麻雀算法可自动寻优森林树木棵数与深度并对比优化前后分类准确率同时生成可视化图表便于分析。压缩包共16个文件包括6个.m主程序与函数脚本、6张结果图、2个mexw64编译运行模块、1份Excel特征数据及1个备份文件整体仅296KB结构清晰、轻量易部署。源码按模块划分包含初始化、麻雀优化、随机森林训练与预测等环节便于二次修改和复现。已有1150人学习适合希望快速掌握SSA-RF改进思路或直接用于多特征分类预测任务的读者。1. 麻雀算法优化随机森林解决的是多特征分类里的两个“盲调”参数做过随机森林分类的人都知道瓶颈往往不在特征工程而在n_estimators树木棵树和max_depth最大深度这两个参数上。树太少方差大树太多计算量翻倍而精度未必提升。深度太小欠拟合深度太大又容易把噪声学进去。手动网格搜索在 12 个特征、四分类任务上不是不行只是每次都要重新训练几十棵乃至上百棵树时间成本高而且随机森林本身的随机性还会让你难以判断“参数变好了”还是“这次运气好”。麻雀搜索算法SSA是 2020 年前后提出的群体智能优化算法它把随机森林的参数组合当作麻雀种群里的个体位置用发现者、加入者、警戒者三种角色去迭代搜索能自动逼近较优参数。这篇文章拆解一套完整的 Matlab 实现包含MainSSA_RF.m、SSA.m、classRF_train.m、classRF_predict.m和data.xlsx运行后直接输出优化前后的分类准确率对比图适合做课程设计、毕业论文实验也适合想快速验证 SSA 调参效果的在职工程师。2. SSA-RF 算法结构与核心 Matlab 源码拆解2.1 麻雀算法的三种角色与位置更新逻辑麻雀算法模拟麻雀觅食与反捕食行为。种群里的个体分成三种角色发现者负责搜索食物丰富区域加入者跟随发现者获取食物警戒者则负责监视危险一旦发现威胁就向安全区域移动。在参数优化场景中每一只麻雀的“位置”就是一个候选参数组合例如[n_estimators, max_depth]。位置的维度就是待优化参数个数。SSA-RF 里通常是二维优化树木棵树和森林深度。搜索到的位置值需要取整后再传给随机森林因为树的棵数和深度都必须是正整数。角色之间的位置更新公式不同。发现者按当前最优位置和随机步长更新加入者向发现者靠拢如果加入者位置更差则会重新随机初始化保证种群多样性。警戒者通常在种群中占比 10% 到 20%它们会向当前最优位置移动同时也有概率跳出局部最优。这套分类包里SSA.m就是这一过程的完整实现initialization.m只负责生成初始种群两者配合把参数搜索从“人工试错”变成“迭代搜索”。2.2 initialization.m 与 SSA.m 的关键代码逻辑initialization.m的作用是生成麻雀种群的初始位置矩阵。常见写法是先确定种群规模pop和维度dim再根据每个参数的下界lb和上界ub用均匀随机数生成位置。下面是一段和该文件思路一致的 Matlab 实现function X initialization(pop, dim, lb, ub) % 初始化麻雀种群位置 % pop: 种群规模, dim: 参数维度, lb: 下界向量, ub: 上界向量 X zeros(pop, dim); for i 1:pop for j 1:dim % 在 [lb(j), ub(j)] 区间内均匀随机取值 X(i,j) lb(j) (ub(j) - lb(j)) * rand(); end end end这段代码里dim2时对应[树木棵树, 最大深度]两个优化变量。lb和ub分别控制搜索范围例如lb[10, 1]ub[200, 20]。rand()保证初始化不偏向某个区域避免一开始就集中到局部最优附近。实际使用时要根据数据量调整如果样本量不大树木棵树上限设 200 通常足够再大只会增加训练时间。SSA.m是麻雀算法的迭代主体。它每一轮都做三件事计算适应度、更新发现者加入者位置、随机选取警戒者并更新。适应度由fun.m提供fun.m内部会调用classRF_train.m训练随机森林并返回分类错误率或负准确率。这样迭代过程中SSA 就能知道哪组参数更好。核心更新逻辑如下% 发现者位置更新 A ones(1, dim); for j 1:pop if fitness_order(j) (pop * 0.2) % 前20%作为发现者 newX(j,:) X(j,:) .* exp(-j / (pop * max_iter)); else % 加入者向当前最优位置靠拢 newX(j,:) X(j,:) rand() * (best_position - X(j,:)); end end这里的pop * 0.2是发现者比例max_iter是最大迭代次数。注意前半段发现者更新时会逐渐缩小步长保证后期收敛后半段加入者更新则直接朝向当前最优位置。如果某只加入者的新位置比旧位置更差SSA 通常会让它随机初始化这个逻辑在不同实现里稍有差异但整体思路一致。2.3 classRF_train.m 与 classRF_predict.m随机森林的训练与预测接口classRF_train.m和classRF_predict.m是对随机森林库函数的封装。classRF_train.m接收训练特征、训练标签、树木棵树和深度参数返回训练好的模型结构体。classRF_predict.m接收模型和测试特征返回预测标签。这两个文件里通常还有mexClassRF_train.mexw64和mexClassRF_predict.mexw64这是编译好的 C 语言加速接口主要用来提升随机森林在 Matlab 里的训练速度。调用方式一般是model classRF_train(train_data, train_label, ntrees, mtry, depth); predict_label classRF_predict(model, test_data);参数说明train_data是训练样本矩阵每行一个样本每列一个特征train_label是列向量值为 1 到 4ntrees是树木棵数mtry是每次分裂随机选取的特征数通常取sqrt(特征数)即 3 或 4depth是单棵树最大深度-1 表示不限制。model保存了每棵树的节点分裂信息预测时传入test_data做多棵树投票输出最终类别。使用 mex 加速文件时需要保证 Matlab 版本与 mexw64 文件位数匹配即 64 位 Windows 系统 64 位 Matlab否则会报找不到文件或无效的 mex 文件。脚本/文件作用关键入参initialization.m初始化麻雀种群种群规模、维度、上下界SSA.m麻雀算法主迭代适应度函数、种群、迭代次数fun.m适应度函数内部调用 RF 训练参数向量、训练数据、标签classRF_train.m训练随机森林分类器特征、标签、树木数、深度classRF_predict.m用训练好的模型预测模型、测试特征MainSSA_RF.m主程序串联所有步骤数据文件路径、SSA 参数3. data.xlsx 的数据准备与 MainSSA_RF.m 主流程3.1 数据格式与归一化处理data.xlsx是本项目使用的多特征分类数据集。按摘要描述输入 12 个特征输出四类分类结果。打开 Excel 后前 12 列是特征最后一列是类别标签。标签一般用 1、2、3、4 表示四个类别需要注意不能从 0 开始因为classRF_train.m内部对标签值的处理通常要求从 1 开始连续编号否则容易在训练时报索引越界。如果你的数据标签是从 0 开始的运行前需要手动加 1。特征归一化不是随机森林的硬性要求因为 RF 的分裂只关心特征阈值比较不依赖特征尺度。但如果你之后要对比 SSA-RF 和别的模型或者要画特征重要性图建议还是做一次标准化。常见做法是用mapminmax把每个特征映射到 [0,1]data readmatrix(data.xlsx); X data(:, 1:12); Y data(:, 13); X_norm mapminmax(X, 0, 1);这段代码第一行用readmatrix读取 Excel比旧的xlsread更省内存。第二、三行分离特征和标签。第四行mapminmax(X, 0, 1)对每一行做归一化因为mapminmax默认按行处理所以转置后归一化再转置回来。如果不做归一化直接把原始X传给随机森林也可以只是后续画特征重要性时量纲不一致不好比较。3.2 训练集与测试集划分分类预测必须划分训练集和测试集否则评估出的准确率没有参考价值。主程序里一般用固定比例划分比如前 70% 或 80% 做训练剩下做测试。如果你想让实验可复现建议设置随机种子否则每次运行划分都会变结果波动会很大。下面是常见的划分代码rng(42); % 固定随机种子确保实验可复现 idx randperm(size(X_norm, 1)); train_ratio 0.8; train_num round(length(idx) * train_ratio); train_idx idx(1:train_num); test_idx idx(train_num1:end); train_data X_norm(train_idx, :); train_label Y(train_idx); test_data X_norm(test_idx, :); test_label Y(test_idx);randperm生成随机排列的下标rng(42)保证每次运行都产生同样的排列。如果你希望做多次实验取平均可以把rng(42)放到循环里不同种子比如rng(i)。这个包里的MainSSA_RF.m通常默认用一次划分直接运行即可。需要注意的是Y如果是 Excel 里的数值列读出来是 double 数组传给随机森林时需要确保是行向量还是列向量一般统一用列向量避免维度不匹配的报错。3.3 MainSSA_RF.m 的完整运行流程主程序MainSSA_RF.m是整个项目的调度中心。它会依次执行以下步骤读取数据、归一化、划分训练测试集、用 SSA 搜索最优参数、用最优参数训练 SSA-RF 模型、训练一个默认参数的 RF 模型作为对比、计算两个模型在测试集上的准确率、绘制对比图。主程序核心结构如下%% 1. 设置 SSA 参数 pop 20; % 麻雀种群规模 max_iter 30; % 最大迭代次数 dim 2; % 优化2个参数树木数、深度 lb [10, 1]; % 下界最少10棵树深度至少1 ub [200, 20]; % 上界最多200棵树深度最多20 %% 2. 调用 SSA 搜索最优参数 [best_pos, best_fitness] SSA(fun, pop, max_iter, lb, ub, dim); %% 3. 用最优参数训练 SSA-RF ntrees_opt round(best_pos(1)); depth_opt round(best_pos(2)); model_ssa classRF_train(train_data, train_label, ntrees_opt, 3, depth_opt); %% 4. 训练默认参数 RF例如100棵树深度10 model_rf classRF_train(train_data, train_label, 100, 3, 10); %% 5. 预测并计算准确率 pred_ssa classRF_predict(model_ssa, test_data); pred_rf classRF_predict(model_rf, test_data); acc_ssa sum(pred_ssa test_label) / length(test_label); acc_rf sum(pred_rf test_label) / length(test_label);pop和max_iter决定了搜索成本。pop20, max_iter30意味着要训练 600 次随机森林如果数据量大可能需要几分钟。lb和ub要结合数据规模设置样本量只有几百时200 棵树已经足够深度 20 也够如果样本上万深度可以放宽到 30。round是必须的因为随机森林不接受小数参数。mtry3是sqrt(12)的近似值你也可以改成ceil(sqrt(12))得到 4。4. 优化前后对比准确率、收敛曲线与可视化图表4.1 SSA-RF 与 RF 的准确率对比逻辑MainSSA_RF.m运行结束后控制台会输出两个准确率一个是优化前的普通 RF一个是 SSA 搜索后最优参数训练的 SSA-RF。因为随机森林每次训练都有随机性所以即便固定rng只要划分种子变了准确率也会有小幅波动。实际跑下来SSA-RF 的准确率在多数情况下会高于默认 RF但提升幅度要看默认参数选的是什么。如果你把默认 RF 的树木数和深度故意设得很差比如 10 棵树、深度 2那 SSA-RF 提升 10 个百分点也不意外。更合理的对比方式是让 RF 也使用一组相对合理的参数比如 100 棵树、深度 10这样 SSA 的搜索优势才体现在“自动找到更优组合”而非“碾压一个坏基线”。为了更客观我自己跑类似项目时会做 5 次重复实验每次用不同随机种子划分数据记录准确率均值和标准差。均值高、标准差小说明模型稳定。SSA 算法本身也有随机性所以每次搜索到的最优参数不一定完全一样但通常都会落在相近区域。下面是一个典型的对比表模板你可以根据自己的输出填写模型树木棵树最大深度测试集准确率训练时间RF默认10010约 0.901.2 秒SSA-RF优化后自动搜索自动搜索约 0.938.5 秒这里的时间只是相对示例。SSA-RF 的额外耗时主要来自迭代过程中反复训练随机森林pop20, max_iter30时大约需要训练 600 次而普通 RF 只训练一次所以时间差距是数量级的。数据量大时建议先调小pop和max_iter。4.2 六张可视化图片分别代表什么压缩包里包含 6 张 PNG 图片文件名从SSA-RF和RF1.png到SSA-RF和RF6.png。它们是为了让你不用运行代码也能直观看到模型效果。根据项目内容推断这些图大致对应SSA-RF和RF1.png适应度收敛曲线横轴是迭代次数纵轴是分类错误率或负准确率。曲线整体下降说明 SSA 在逐步寻找更优参数。正常情况应该呈阶梯状下降后期趋于平稳。SSA-RF和RF2.png优化前后准确率对比柱状图两个柱子分别代表 RF 和 SSA-RF 的测试集准确率用于快速比较。SSA-RF和RF3.pngSSA-RF 在测试集上的混淆矩阵矩阵大小为 4×4对角线数值越大说明分类越准确。SSA-RF和RF4.png普通 RF 的混淆矩阵和上图对比可以看出哪些类别容易混淆。SSA-RF和RF5.png特征重要性排序图展示 12 个特征对分类贡献度的相对大小。随机森林可以通过分裂增益累计计算特征重要性。SSA-RF和RF6.png测试集样本的真实标签与预测标签对比散点图或折线图能一眼看出哪些样本被分错。如果运行代码后没有生成这些图检查MainSSA_RF.m里是否有saveas或print命令没有的话注释掉绘图段即可。绘图中使用的是随机森林模型自带的特征重要性接口不需要额外计算。4.3 从收敛曲线判断 SSA 是否正常工作打开SSA-RF和RF1.png如果曲线从很高的错误率快速下降然后变平说明算法收敛正常。如果曲线一直震荡不下降可能是适应度函数fun.m里参数取整或预测标签维度出了问题导致返回的是随机值。另一种情况是lb和ub范围太大SSA 搜索到接近边界的参数而随机森林在边界值上性能差异不大曲线就会比较平。常见的收敛曲线有两种形态一是单调下降型说明种群多样性不足或发现者占比太高后期容易陷入局部最优二是阶梯下降型这是比较健康的状态说明 SSA 既能开发当前区域也能在迭代中跳出局部最优。如果曲线后期还有明显上升多半是警戒者机制过度随机化把好解破坏了。你可以把SSA.m里的警戒者比例从 0.1 调小到 0.05观察曲线是否更稳定。5. 参数调优与排错麻雀算法和随机森林的实战边界5.1 种群规模与迭代次数先小后大看曲线色定pop和max_iter是两个最影响耗时的参数。我的建议是先设pop10, max_iter10跑一次看收敛曲线。如果曲线在第五次迭代左右就平了说明问题简单可以保持小规模如果曲线在最后一次迭代还在下降说明还需要更多迭代把max_iter加到 30 或 50。种群规模和迭代次数的关系是pop决定每次迭代搜索的覆盖范围max_iter决定覆盖轮数。增加pop比增加max_iter更能提升最终精度因为每轮都有更多候选解参与竞争但并行化不明显的话耗时也线性增加。在 Matlab 里可以用parfor并行计算适应度但需要保证fun.m是无依赖的。另外注意lb和ub的边界。树木棵树下界设为 10 通常足够太小会让随机森林欠拟合。深度下界设为 1 相当于树桩如果最优深度经常落在下界说明特征交互可能不重要这时候应该考虑减少特征数量或改用线性模型。5.2 树木棵树与最大深度的取舍SSA-RF 搜索出的最优参数组合通常呈现一个规律n_estimators会在 100 到 200 之间max_depth在 5 到 15 之间。树木太多了会大幅增加训练时间而准确率提升微乎其微深度太深则容易过拟合尤其在训练样本只有几百的情况下。你可以通过mtry参数进一步调节随机性mtry越小树之间的相关性越低泛化能力越强但单棵树的准确率会下降。默认sqrt(特征数)是一个不错的起点如果你发现 SSA-RF 在训练集上准确率接近 100%而测试集准确率反而略低于普通 RF可以把mtry调小到 2或者把max_depth搜索上界调低到 10。5.3 常见报错与调试手段运行MainSSA_RF.m时最常遇到的三个问题一是mexClassRF_train.mexw64无法加载报错提示无效的 mex 文件。这是因为该文件是为特定 Matlab 版本编译的如果你用的是 Mac 或 Linux或者 Matlab 版本太新需要重新编译随机森林源码。包内可能附带 C 源文件用mex classRF_train.c命令重新生成。第二个问题是维度不匹配训练时train_label是行向量而不是列向量导致classRF_train.m内部长度判断出错。统一用train_label(:)转换为列向量。第三个问题是标签类别数不足 4 或多于 4如果数据集中某类样本数太少随机森林可能学不到该类特征导致预测时该类全部被误分。检查一下unique(Y)是否返回[1;2;3;4]。调试时我习惯在fun.m里加一行disp([num2str(x(1)) num2str(x(2))])这样每次迭代都能看到当前参数组合定位是哪个参数导致适应度极差。也可以用try-catch包裹训练过程遇到错误直接返回一个大惩罚值避免SSA.m整体崩溃。最后如果测试集准确率总是比训练集低很多优先怀疑深度上限设太高把ub(2)从 20 改到 10或者增加训练样本比例到 0.85。本文还有配套的精品资源点击获取
麻雀算法优化随机森林的Matlab实现与参数调优
简介Matlab实现麻雀搜索算法优化随机森林SSA-RF与标准随机森林RF的多特征分类预测源码包面向机器学习初学者、课程设计及科研人员用以快速完成智能优化算法与集成学习结合的对比实验。资源输入12个特征输出四分类结果麻雀算法可自动寻优森林树木棵数与深度并对比优化前后分类准确率同时生成可视化图表便于分析。压缩包共16个文件包括6个.m主程序与函数脚本、6张结果图、2个mexw64编译运行模块、1份Excel特征数据及1个备份文件整体仅296KB结构清晰、轻量易部署。源码按模块划分包含初始化、麻雀优化、随机森林训练与预测等环节便于二次修改和复现。已有1150人学习适合希望快速掌握SSA-RF改进思路或直接用于多特征分类预测任务的读者。1. 麻雀算法优化随机森林解决的是多特征分类里的两个“盲调”参数做过随机森林分类的人都知道瓶颈往往不在特征工程而在n_estimators树木棵树和max_depth最大深度这两个参数上。树太少方差大树太多计算量翻倍而精度未必提升。深度太小欠拟合深度太大又容易把噪声学进去。手动网格搜索在 12 个特征、四分类任务上不是不行只是每次都要重新训练几十棵乃至上百棵树时间成本高而且随机森林本身的随机性还会让你难以判断“参数变好了”还是“这次运气好”。麻雀搜索算法SSA是 2020 年前后提出的群体智能优化算法它把随机森林的参数组合当作麻雀种群里的个体位置用发现者、加入者、警戒者三种角色去迭代搜索能自动逼近较优参数。这篇文章拆解一套完整的 Matlab 实现包含MainSSA_RF.m、SSA.m、classRF_train.m、classRF_predict.m和data.xlsx运行后直接输出优化前后的分类准确率对比图适合做课程设计、毕业论文实验也适合想快速验证 SSA 调参效果的在职工程师。2. SSA-RF 算法结构与核心 Matlab 源码拆解2.1 麻雀算法的三种角色与位置更新逻辑麻雀算法模拟麻雀觅食与反捕食行为。种群里的个体分成三种角色发现者负责搜索食物丰富区域加入者跟随发现者获取食物警戒者则负责监视危险一旦发现威胁就向安全区域移动。在参数优化场景中每一只麻雀的“位置”就是一个候选参数组合例如[n_estimators, max_depth]。位置的维度就是待优化参数个数。SSA-RF 里通常是二维优化树木棵树和森林深度。搜索到的位置值需要取整后再传给随机森林因为树的棵数和深度都必须是正整数。角色之间的位置更新公式不同。发现者按当前最优位置和随机步长更新加入者向发现者靠拢如果加入者位置更差则会重新随机初始化保证种群多样性。警戒者通常在种群中占比 10% 到 20%它们会向当前最优位置移动同时也有概率跳出局部最优。这套分类包里SSA.m就是这一过程的完整实现initialization.m只负责生成初始种群两者配合把参数搜索从“人工试错”变成“迭代搜索”。2.2 initialization.m 与 SSA.m 的关键代码逻辑initialization.m的作用是生成麻雀种群的初始位置矩阵。常见写法是先确定种群规模pop和维度dim再根据每个参数的下界lb和上界ub用均匀随机数生成位置。下面是一段和该文件思路一致的 Matlab 实现function X initialization(pop, dim, lb, ub) % 初始化麻雀种群位置 % pop: 种群规模, dim: 参数维度, lb: 下界向量, ub: 上界向量 X zeros(pop, dim); for i 1:pop for j 1:dim % 在 [lb(j), ub(j)] 区间内均匀随机取值 X(i,j) lb(j) (ub(j) - lb(j)) * rand(); end end end这段代码里dim2时对应[树木棵树, 最大深度]两个优化变量。lb和ub分别控制搜索范围例如lb[10, 1]ub[200, 20]。rand()保证初始化不偏向某个区域避免一开始就集中到局部最优附近。实际使用时要根据数据量调整如果样本量不大树木棵树上限设 200 通常足够再大只会增加训练时间。SSA.m是麻雀算法的迭代主体。它每一轮都做三件事计算适应度、更新发现者加入者位置、随机选取警戒者并更新。适应度由fun.m提供fun.m内部会调用classRF_train.m训练随机森林并返回分类错误率或负准确率。这样迭代过程中SSA 就能知道哪组参数更好。核心更新逻辑如下% 发现者位置更新 A ones(1, dim); for j 1:pop if fitness_order(j) (pop * 0.2) % 前20%作为发现者 newX(j,:) X(j,:) .* exp(-j / (pop * max_iter)); else % 加入者向当前最优位置靠拢 newX(j,:) X(j,:) rand() * (best_position - X(j,:)); end end这里的pop * 0.2是发现者比例max_iter是最大迭代次数。注意前半段发现者更新时会逐渐缩小步长保证后期收敛后半段加入者更新则直接朝向当前最优位置。如果某只加入者的新位置比旧位置更差SSA 通常会让它随机初始化这个逻辑在不同实现里稍有差异但整体思路一致。2.3 classRF_train.m 与 classRF_predict.m随机森林的训练与预测接口classRF_train.m和classRF_predict.m是对随机森林库函数的封装。classRF_train.m接收训练特征、训练标签、树木棵树和深度参数返回训练好的模型结构体。classRF_predict.m接收模型和测试特征返回预测标签。这两个文件里通常还有mexClassRF_train.mexw64和mexClassRF_predict.mexw64这是编译好的 C 语言加速接口主要用来提升随机森林在 Matlab 里的训练速度。调用方式一般是model classRF_train(train_data, train_label, ntrees, mtry, depth); predict_label classRF_predict(model, test_data);参数说明train_data是训练样本矩阵每行一个样本每列一个特征train_label是列向量值为 1 到 4ntrees是树木棵数mtry是每次分裂随机选取的特征数通常取sqrt(特征数)即 3 或 4depth是单棵树最大深度-1 表示不限制。model保存了每棵树的节点分裂信息预测时传入test_data做多棵树投票输出最终类别。使用 mex 加速文件时需要保证 Matlab 版本与 mexw64 文件位数匹配即 64 位 Windows 系统 64 位 Matlab否则会报找不到文件或无效的 mex 文件。脚本/文件作用关键入参initialization.m初始化麻雀种群种群规模、维度、上下界SSA.m麻雀算法主迭代适应度函数、种群、迭代次数fun.m适应度函数内部调用 RF 训练参数向量、训练数据、标签classRF_train.m训练随机森林分类器特征、标签、树木数、深度classRF_predict.m用训练好的模型预测模型、测试特征MainSSA_RF.m主程序串联所有步骤数据文件路径、SSA 参数3. data.xlsx 的数据准备与 MainSSA_RF.m 主流程3.1 数据格式与归一化处理data.xlsx是本项目使用的多特征分类数据集。按摘要描述输入 12 个特征输出四类分类结果。打开 Excel 后前 12 列是特征最后一列是类别标签。标签一般用 1、2、3、4 表示四个类别需要注意不能从 0 开始因为classRF_train.m内部对标签值的处理通常要求从 1 开始连续编号否则容易在训练时报索引越界。如果你的数据标签是从 0 开始的运行前需要手动加 1。特征归一化不是随机森林的硬性要求因为 RF 的分裂只关心特征阈值比较不依赖特征尺度。但如果你之后要对比 SSA-RF 和别的模型或者要画特征重要性图建议还是做一次标准化。常见做法是用mapminmax把每个特征映射到 [0,1]data readmatrix(data.xlsx); X data(:, 1:12); Y data(:, 13); X_norm mapminmax(X, 0, 1);这段代码第一行用readmatrix读取 Excel比旧的xlsread更省内存。第二、三行分离特征和标签。第四行mapminmax(X, 0, 1)对每一行做归一化因为mapminmax默认按行处理所以转置后归一化再转置回来。如果不做归一化直接把原始X传给随机森林也可以只是后续画特征重要性时量纲不一致不好比较。3.2 训练集与测试集划分分类预测必须划分训练集和测试集否则评估出的准确率没有参考价值。主程序里一般用固定比例划分比如前 70% 或 80% 做训练剩下做测试。如果你想让实验可复现建议设置随机种子否则每次运行划分都会变结果波动会很大。下面是常见的划分代码rng(42); % 固定随机种子确保实验可复现 idx randperm(size(X_norm, 1)); train_ratio 0.8; train_num round(length(idx) * train_ratio); train_idx idx(1:train_num); test_idx idx(train_num1:end); train_data X_norm(train_idx, :); train_label Y(train_idx); test_data X_norm(test_idx, :); test_label Y(test_idx);randperm生成随机排列的下标rng(42)保证每次运行都产生同样的排列。如果你希望做多次实验取平均可以把rng(42)放到循环里不同种子比如rng(i)。这个包里的MainSSA_RF.m通常默认用一次划分直接运行即可。需要注意的是Y如果是 Excel 里的数值列读出来是 double 数组传给随机森林时需要确保是行向量还是列向量一般统一用列向量避免维度不匹配的报错。3.3 MainSSA_RF.m 的完整运行流程主程序MainSSA_RF.m是整个项目的调度中心。它会依次执行以下步骤读取数据、归一化、划分训练测试集、用 SSA 搜索最优参数、用最优参数训练 SSA-RF 模型、训练一个默认参数的 RF 模型作为对比、计算两个模型在测试集上的准确率、绘制对比图。主程序核心结构如下%% 1. 设置 SSA 参数 pop 20; % 麻雀种群规模 max_iter 30; % 最大迭代次数 dim 2; % 优化2个参数树木数、深度 lb [10, 1]; % 下界最少10棵树深度至少1 ub [200, 20]; % 上界最多200棵树深度最多20 %% 2. 调用 SSA 搜索最优参数 [best_pos, best_fitness] SSA(fun, pop, max_iter, lb, ub, dim); %% 3. 用最优参数训练 SSA-RF ntrees_opt round(best_pos(1)); depth_opt round(best_pos(2)); model_ssa classRF_train(train_data, train_label, ntrees_opt, 3, depth_opt); %% 4. 训练默认参数 RF例如100棵树深度10 model_rf classRF_train(train_data, train_label, 100, 3, 10); %% 5. 预测并计算准确率 pred_ssa classRF_predict(model_ssa, test_data); pred_rf classRF_predict(model_rf, test_data); acc_ssa sum(pred_ssa test_label) / length(test_label); acc_rf sum(pred_rf test_label) / length(test_label);pop和max_iter决定了搜索成本。pop20, max_iter30意味着要训练 600 次随机森林如果数据量大可能需要几分钟。lb和ub要结合数据规模设置样本量只有几百时200 棵树已经足够深度 20 也够如果样本上万深度可以放宽到 30。round是必须的因为随机森林不接受小数参数。mtry3是sqrt(12)的近似值你也可以改成ceil(sqrt(12))得到 4。4. 优化前后对比准确率、收敛曲线与可视化图表4.1 SSA-RF 与 RF 的准确率对比逻辑MainSSA_RF.m运行结束后控制台会输出两个准确率一个是优化前的普通 RF一个是 SSA 搜索后最优参数训练的 SSA-RF。因为随机森林每次训练都有随机性所以即便固定rng只要划分种子变了准确率也会有小幅波动。实际跑下来SSA-RF 的准确率在多数情况下会高于默认 RF但提升幅度要看默认参数选的是什么。如果你把默认 RF 的树木数和深度故意设得很差比如 10 棵树、深度 2那 SSA-RF 提升 10 个百分点也不意外。更合理的对比方式是让 RF 也使用一组相对合理的参数比如 100 棵树、深度 10这样 SSA 的搜索优势才体现在“自动找到更优组合”而非“碾压一个坏基线”。为了更客观我自己跑类似项目时会做 5 次重复实验每次用不同随机种子划分数据记录准确率均值和标准差。均值高、标准差小说明模型稳定。SSA 算法本身也有随机性所以每次搜索到的最优参数不一定完全一样但通常都会落在相近区域。下面是一个典型的对比表模板你可以根据自己的输出填写模型树木棵树最大深度测试集准确率训练时间RF默认10010约 0.901.2 秒SSA-RF优化后自动搜索自动搜索约 0.938.5 秒这里的时间只是相对示例。SSA-RF 的额外耗时主要来自迭代过程中反复训练随机森林pop20, max_iter30时大约需要训练 600 次而普通 RF 只训练一次所以时间差距是数量级的。数据量大时建议先调小pop和max_iter。4.2 六张可视化图片分别代表什么压缩包里包含 6 张 PNG 图片文件名从SSA-RF和RF1.png到SSA-RF和RF6.png。它们是为了让你不用运行代码也能直观看到模型效果。根据项目内容推断这些图大致对应SSA-RF和RF1.png适应度收敛曲线横轴是迭代次数纵轴是分类错误率或负准确率。曲线整体下降说明 SSA 在逐步寻找更优参数。正常情况应该呈阶梯状下降后期趋于平稳。SSA-RF和RF2.png优化前后准确率对比柱状图两个柱子分别代表 RF 和 SSA-RF 的测试集准确率用于快速比较。SSA-RF和RF3.pngSSA-RF 在测试集上的混淆矩阵矩阵大小为 4×4对角线数值越大说明分类越准确。SSA-RF和RF4.png普通 RF 的混淆矩阵和上图对比可以看出哪些类别容易混淆。SSA-RF和RF5.png特征重要性排序图展示 12 个特征对分类贡献度的相对大小。随机森林可以通过分裂增益累计计算特征重要性。SSA-RF和RF6.png测试集样本的真实标签与预测标签对比散点图或折线图能一眼看出哪些样本被分错。如果运行代码后没有生成这些图检查MainSSA_RF.m里是否有saveas或print命令没有的话注释掉绘图段即可。绘图中使用的是随机森林模型自带的特征重要性接口不需要额外计算。4.3 从收敛曲线判断 SSA 是否正常工作打开SSA-RF和RF1.png如果曲线从很高的错误率快速下降然后变平说明算法收敛正常。如果曲线一直震荡不下降可能是适应度函数fun.m里参数取整或预测标签维度出了问题导致返回的是随机值。另一种情况是lb和ub范围太大SSA 搜索到接近边界的参数而随机森林在边界值上性能差异不大曲线就会比较平。常见的收敛曲线有两种形态一是单调下降型说明种群多样性不足或发现者占比太高后期容易陷入局部最优二是阶梯下降型这是比较健康的状态说明 SSA 既能开发当前区域也能在迭代中跳出局部最优。如果曲线后期还有明显上升多半是警戒者机制过度随机化把好解破坏了。你可以把SSA.m里的警戒者比例从 0.1 调小到 0.05观察曲线是否更稳定。5. 参数调优与排错麻雀算法和随机森林的实战边界5.1 种群规模与迭代次数先小后大看曲线色定pop和max_iter是两个最影响耗时的参数。我的建议是先设pop10, max_iter10跑一次看收敛曲线。如果曲线在第五次迭代左右就平了说明问题简单可以保持小规模如果曲线在最后一次迭代还在下降说明还需要更多迭代把max_iter加到 30 或 50。种群规模和迭代次数的关系是pop决定每次迭代搜索的覆盖范围max_iter决定覆盖轮数。增加pop比增加max_iter更能提升最终精度因为每轮都有更多候选解参与竞争但并行化不明显的话耗时也线性增加。在 Matlab 里可以用parfor并行计算适应度但需要保证fun.m是无依赖的。另外注意lb和ub的边界。树木棵树下界设为 10 通常足够太小会让随机森林欠拟合。深度下界设为 1 相当于树桩如果最优深度经常落在下界说明特征交互可能不重要这时候应该考虑减少特征数量或改用线性模型。5.2 树木棵树与最大深度的取舍SSA-RF 搜索出的最优参数组合通常呈现一个规律n_estimators会在 100 到 200 之间max_depth在 5 到 15 之间。树木太多了会大幅增加训练时间而准确率提升微乎其微深度太深则容易过拟合尤其在训练样本只有几百的情况下。你可以通过mtry参数进一步调节随机性mtry越小树之间的相关性越低泛化能力越强但单棵树的准确率会下降。默认sqrt(特征数)是一个不错的起点如果你发现 SSA-RF 在训练集上准确率接近 100%而测试集准确率反而略低于普通 RF可以把mtry调小到 2或者把max_depth搜索上界调低到 10。5.3 常见报错与调试手段运行MainSSA_RF.m时最常遇到的三个问题一是mexClassRF_train.mexw64无法加载报错提示无效的 mex 文件。这是因为该文件是为特定 Matlab 版本编译的如果你用的是 Mac 或 Linux或者 Matlab 版本太新需要重新编译随机森林源码。包内可能附带 C 源文件用mex classRF_train.c命令重新生成。第二个问题是维度不匹配训练时train_label是行向量而不是列向量导致classRF_train.m内部长度判断出错。统一用train_label(:)转换为列向量。第三个问题是标签类别数不足 4 或多于 4如果数据集中某类样本数太少随机森林可能学不到该类特征导致预测时该类全部被误分。检查一下unique(Y)是否返回[1;2;3;4]。调试时我习惯在fun.m里加一行disp([num2str(x(1)) num2str(x(2))])这样每次迭代都能看到当前参数组合定位是哪个参数导致适应度极差。也可以用try-catch包裹训练过程遇到错误直接返回一个大惩罚值避免SSA.m整体崩溃。最后如果测试集准确率总是比训练集低很多优先怀疑深度上限设太高把ub(2)从 20 改到 10或者增加训练样本比例到 0.85。本文还有配套的精品资源点击获取
