在matlab里实现GBDT回归预测

以下是在 MATLAB 中使用 GBDT 进行回归预测的示例代码：

% 加载数据
load('data.mat');
X = data(:, 1:end-1);
y = data(:, end);

% 划分训练集和测试集
cv = cvpartition(size(X, 1), 'HoldOut', 0.3);
Xtrain = X(training(cv), :);
ytrain = y(training(cv), :);
Xtest = X(test(cv), :);
ytest = y(test(cv), :);

% 构建 GBDT 模型
numTrees = 100;
mdl = TreeBagger(numTrees, Xtrain, ytrain, 'Method', 'regression', 'OOBPrediction', 'on');

% 预测测试集
ypred = predict(mdl, Xtest);

% 评估模型
rmse = sqrt(mean((ytest - str2double(ypred)).^2));
r2 = corr(ytest, str2double(ypred))^2;

disp(['RMSE: ', num2str(rmse)]);
disp(['R^2: ', num2str(r2)]);

其中，`data.mat` 包含了训练数据和测试数据，`X` 是自变量，`y` 是因变量。`cvpartition` 函数用于划分训练集和测试集。`TreeBagger` 函数用于构建 GBDT 模型，其中 `numTrees` 是树的数量，`Method` 是回归方法，`OOBPrediction` 表示是否进行袋外预测。`predict` 函数用于预测测试集，`rmse` 和 `r2` 分别是模型的均方根误差和 R^2 值，用于评估模型的预测能力。