决策树回归分析matlab代码

当使用MATLAB进行决策树回归分析时，可以使用MATLAB内置的统计和机器学习工具箱来实现。下面是一个简单的决策树回归分析的MATLAB代码示例：

% 创建一个包含训练数据的数据集
X = [1 2 3 4 5 6 7 8 9 10]'; % 特征向量
Y = [1 2.5 3.8 4.6 5.3 6.1 6.9 7.8 9.2 10]'; % 标签向量

% 构建决策树回归模型
model = fitrtree(X, Y);

% 可视化决策树
view(model, 'Mode', 'Graph');

% 预测新的数据点
newX = [11];
predictedY = predict(model, newX);

disp(predictedY); % 打印预测结果

在这个示例中，我们首先创建了一个包含训练数据的数据集，其中 `X` 是特征向量，`Y` 是对应的标签向量。然后，使用 `fitrtree` 函数创建一个决策树回归模型。可以使用 `view` 函数可视化决策树模型的结构。

最后，我们使用训练好的模型对新的数据点 `newX` 进行预测，并使用 `predict` 函数得到预测的结果。预测值将打印在命令窗口中。

请注意，这只是一个简单的示例代码，实际应用中可能需要更多的数据预处理和模型调优步骤。