GBDT回归预测完整matlab代码

以下是一个基于MATLAB的GBDT回归预测的完整代码示例。请注意，该代码仅供参考，具体实现方式可能因数据集和模型参数而异。

% GBDT回归预测

% 加载数据
data = load('data.csv');
X = data(:, 1:end-1);
Y = data(:, end);

% 分割数据集为训练集和测试集
cv = cvpartition(size(X,1), 'HoldOut', 0.3);
idx = cv.test;
Xtrain = X(~idx,:);
Ytrain = Y(~idx,:);
Xtest  = X(idx,:);
Ytest  = Y(idx,:);

% 训练GBDT模型
numTrees = 50;   % 树的数量
Mdl = TreeBagger(numTrees, Xtrain, Ytrain, 'Method', 'regression');

% 预测测试集
Ypred = predict(Mdl, Xtest);

% 计算均方误差（MSE）
MSE = mean((Ytest - str2double(Ypred)).^2);

% 绘制预测结果
figure
plot(Ytest, 'b')
hold on
plot(str2double(Ypred), 'r')
legend('真实值', '预测值')
title(sprintf('MSE = %.2f', MSE))

在上述代码中，我们首先加载数据，然后将数据集分割为训练集和测试集。接下来使用MATLAB内置的`TreeBagger`函数来训练GBDT模型，并使用`predict`函数来预测测试集。最后计算均方误差（MSE）并绘制真实值和预测值之间的比较图。