t = templateTree('MaxNumSplits',1); mdl = fitrensemble(features(idxTrain,:),EEG_label(idxTrain),'Method','LSBoost','Learners',t); % 预测测试集数据 y_pred = predict(mdl,features(idxTest,:));返回的不是标签，让他返回标签

如果你想要模型 predict 函数返回的是标签而不是连续的实数值，可以在 fitrensemble 函数中设置 'PredictorNames' 选项，将特征的名称传递给模型。然后在 predict 函数中设置 'ResponseName' 选项，将输出结果的名称设置为标签名称。具体来说，可以将代码修改如下：

% 加载数据集和标签集
load EEG_data.mat
load EEG_label.mat

% 特征提取
features = extract_features(EEG_data);

% 划分训练集和测试集
cv = cvpartition(EEG_label,'HoldOut',0.3);
idxTrain = training(cv);
idxTest = test(cv);

% 使用梯度树算法训练分类器
t = templateTree('MaxNumSplits',1);
mdl = fitrensemble(features(idxTrain,:),EEG_label(idxTrain),'Method','LSBoost','Learners',t,'PredictorNames', {'feature1', 'feature2', ...}, 'ResponseName', 'label');

% 预测测试集数据
y_pred = predict(mdl,features(idxTest,:),'ResponseName','label');

% 计算准确率和混淆矩阵
acc = mean(y_pred == EEG_label(idxTest));
cm = confusionmat(EEG_label(idxTest),y_pred);
disp(['Accuracy: ', num2str(acc)]);
disp(['Confusion Matrix: ']);
disp(cm);

在这里，我们将特征矩阵 features 的每一列都命名为 'feature1'、'feature2' 等，将标签矢量命名为 'label'。然后在 fitrensemble 函数中设置 'PredictorNames' 选项和 'ResponseName' 选项，将特征和标签名称传递给模型。在 predict 函数中设置 'ResponseName' 选项，将输出结果的名称设置为 'label'，从而确保 predict 函数返回的是标签值。