高斯过程回归matlab

在Matlab中，可以使用Statistics and Machine Learning Toolbox中的函数来进行高斯过程回归。下面是一个简单的示例代码：

% 创建训练数据
X_train = linspace(-5, 5, 20)';
y_train = sin(X_train) + 0.1*randn(size(X_train));

% 创建测试数据
X_test = linspace(-6, 6, 100)';

% 定义高斯过程回归模型
gprModel = fitrgp(X_train, y_train, 'KernelFunction', 'squaredexponential');

% 预测测试数据的输出
[y_pred, y_pred_sd] = predict(gprModel, X_test);

% 绘制结果
figure;
hold on;
plot(X_train, y_train, 'ro', 'MarkerSize', 5);
plot(X_test, y_pred, 'b', 'LineWidth', 1.5);
fill([X_test; flipud(X_test)], [y_pred - 2*y_pred_sd; flipud(y_pred + 2*y_pred_sd)], 'b', 'FaceAlpha', 0.2);
legend('训练数据', '预测结果');
xlabel('输入');
ylabel('输出');
title('高斯过程回归');
hold off;

在这个示例中，我们首先创建了一些训练数据 `X_train` 和 `y_train`，然后创建了一些测试数据 `X_test`。然后，我们使用 `fitrgp` 函数拟合高斯过程回归模型，并使用 `predict` 函数预测测试数据的输出。最后，我们将结果绘制出来，其中包括训练数据点、预测结果以及预测结果的置信区间。

请注意，这只是一个简单的示例，你可以根据自己的需求调整代码和参数。另外，你还可以参考Matlab官方文档中关于高斯过程回归的更多信息。