我强烈建议对随机森林的架构进行一些研究。有许多网站提供关于 RF 的深入教程（Python 实现）。

快速解释：获取您的数据集，引导样本并应用决策树。在您的树中，您希望在每次拆分时对特征进行随机抽样。但是，您不必使用 fitctree 构建自己的 RF。您不想控制森林中的每一棵树。这引入了偏差，RF 的重点是通过装袋许多树，您可以消除过度拟合的风险。

定义你的超参数，让算法去做。仔细交叉验证以确保您没有欠拟合。