贝叶斯回归预测matlab代码

贝叶斯回归是一种用于预测的统计模型，其基本原理是基于贝叶斯定理和贝叶斯推断。

在MATLAB中，可以使用统计与机器学习工具箱提供的函数进行贝叶斯回归预测。

首先，需要准备训练数据集和测试数据集。训练数据集包括输入特征矩阵X和对应的输出标签向量Y，其中X的每一行表示一个样本的特征，Y的每个元素表示该样本的标签。

接下来，通过调用fitrgp函数来训练贝叶斯回归模型。该函数使用高斯过程回归模型来拟合数据。可以设置不同的模型参数，如核函数类型、核函数尺度和噪声方差等。

训练完成后，可以使用predict函数来进行预测。该函数接受测试数据集的输入特征矩阵作为输入，并返回预测的输出标签向量。

下面是一个简单的示例代码：

% 准备训练数据
X_train = [1, 2; 3, 4; 5, 6];
Y_train = [3; 7; 11];

% 准备测试数据
X_test = [2, 3; 4, 5];

% 训练贝叶斯回归模型
gpModel = fitrgp(X_train, Y_train);

% 预测
Y_pred = predict(gpModel, X_test);

% 打印预测结果
disp(Y_pred);

以上代码中，训练数据集包含3个样本，每个样本有2个特征。测试数据集包含2个样本。fitrgp函数训练了一个贝叶斯回归模型，然后使用predict函数对测试数据集进行预测，并将预测结果打印输出。

需要注意的是，贝叶斯回归是一种统计模型，其性能受到数据本身的特点以及模型参数的选择等因素影响。因此，在实际应用中，需要根据具体情况进行调参和优化，以提升预测性能。