B = mnrfit(TrainData2,LabelTrain);改写为L-BFGS算法

L-BFGS 是一种常用的优化算法，可以用来求解多项式逻辑回归模型。以下是使用 L-BFGS 优化多项式逻辑回归的示例代码：

% 定义损失函数和梯度函数
loss = @(b) mnrloss(b, TrainData2, LabelTrain);
grad = @(b) mnrgrad(b, TrainData2, LabelTrain);

% 初始化参数向量
b0 = zeros(size(TrainData2, 2), 1);

% 设置 L-BFGS 参数
options.Method = 'lbfgs';
options.MaxIter = 100;
options.Display = 'off';

% 使用 L-BFGS 优化参数
[b, fval, exitflag] = minFunc(loss, b0, options, grad);

% 输出优化结果
if exitflag == 0
    fprintf('L-BFGS 优化成功！\n');
    fprintf('损失函数值：%f\n', fval);
    fprintf('模型参数：\n');
    disp(b);
else
    fprintf('L-BFGS 优化失败！\n');
end

其中，`mnrloss` 和 `mnrgrad` 分别是多项式逻辑回归的损失函数和梯度函数，可以使用 MATLAB 自带的 `mnrfit` 函数来获得。`minFunc` 函数是一个通用的优化函数，可以在 MATLAB 中直接调用。通过设置 `options` 中的参数，可以控制优化过程的细节。最终优化的结果包括模型的参数向量 `b`，损失函数值 `fval`，以及优化的状态 `exitflag`。