贝叶斯线性回归matlab

在Matlab中实现贝叶斯线性回归可以使用统计和机器学习工具箱中的函数。下面是一个基本的示例代码，演示如何使用贝叶斯线性回归进行预测：

% 生成示例数据
X = [1, 0.5; 1, 1.5; 1, 2.5; 1, 3.5; 1, 4.5]; % 输入特征矩阵
y = [2; 3; 4; 5; 6]; % 目标变量向量

% 拟合贝叶斯线性回归模型
model = fitrlinear(X, y, 'Learner', 'bayesian');

% 预测新样本
X_new = [1, 1; 1, 2];
y_pred = predict(model, X_new);

disp(y_pred);

在上面的代码中，我们首先生成了一个简单的示例数据集，包括输入特征矩阵X和目标变量向量y。然后，我们使用`fitrlinear`函数拟合一个贝叶斯线性回归模型，并将其存储在`model`中。最后，我们使用`predict`函数对新样本X_new进行预测，并将结果存储在y_pred中，然后输出y_pred。

请注意，这只是一个简单的示例代码，你可以根据自己的数据和需求进行修改和扩展。另外，确保在使用此代码之前已经安装并加载了统计和机器学习工具箱。