stacking集成模型matlab

在MATLAB中进行集成模型的堆叠（stacking）可以通过使用Ensemble Toolbox实现。下面是一个基本的示例代码：

% 加载数据集
load carbig
X = [Acceleration, Cylinders, Displacement, Horsepower, Weight];
Y = MPG;

% 将数据集分为训练集和测试集
cv = cvpartition(size(X,1),'HoldOut',0.2);
idx = cv.test;
XTrain = X(~idx,:);
YTrain = Y(~idx,:);
XTest  = X(idx,:);
YTest  = Y(idx,:);

% 定义基础模型
mdl1 = fitrtree(XTrain, YTrain);
mdl2 = fitrsvm(XTrain, YTrain, 'KernelFunction', 'gaussian');

% 使用基础模型进行预测
ypred1 = predict(mdl1, XTest);
ypred2 = predict(mdl2, XTest);

% 构建元学习器（meta-learner）
XMeta = [ypred1, ypred2];
metaMdl = fitrlinear(XMeta, YTest);

% 使用堆叠模型进行预测
ypredStacked = predict(metaMdl, XMeta);

% 计算均方根误差（RMSE）
rmseStacked = sqrt(mean((YTest - ypredStacked).^2))

这个示例使用了一棵决策树（fitrtree）和一个支持向量机（fitrsvm）作为基础模型，并使用线性回归（fitrlinear）作为元学习器。你可以根据自己的需求选择不同的基础模型和元学习器。最后，通过计算均方根误差（RMSE）来评估堆叠模型的性能。

请确保你在MATLAB中安装了Ensemble Toolbox，以便使用这些函数。