adaboost回归预测 matlab代码

以下是一个用MATLAB实现的Adaboost回归预测的示例代码：

% 导入数据
data = load('data.txt');
X = data(:, 1);
Y = data(:, 2);

% 初始化Adaboost参数
T = 20; % 迭代次数
w = ones(length(X), 1) / length(X); % 初始化样本权重
beta = zeros(T, 1); % 存储每次迭代得到的系数
hypothesis = cell(T, 1); % 存储每次迭代得到的基分类器

% 训练Adaboost
for t = 1:T
    % 训练一个基分类器
    hypothesis{t} = fitrtree(X, Y, 'Weights', w);
    
    % 计算基分类器在训练数据上的误差
    y_pred = predict(hypothesis{t}, X);
    err = abs(Y - y_pred) ./ max(abs(Y), 1e-10);
    
    % 计算本次迭代的系数
    beta(t) = sum(w .* err) / sum(w);
    
    % 更新样本权重
    w = w .* exp(beta(t) .* err);
    w = w / sum(w);
end

% 预测
y_pred = zeros(size(X));
for t = 1:T
    y_pred = y_pred + predict(hypothesis{t}, X) .* beta(t);
end

% 绘制结果
plot(X, Y, 'o');
hold on;
plot(X, y_pred, '-');
xlabel('X');
ylabel('Y');
legend('真实值', '预测值');

其中，`data.txt`是一个包含训练数据的文本文件，每行包含一个样本的X和Y值，用空格分隔。在这个示例中，我们使用MATLAB自带的`fitrtree`函数训练回归树作为基分类器。你可以根据自己的需求选择适合的基分类器。