在matlab中写一段代码，使用梯度树对脑电信号提取取出的特征进行二分类，已有标签集

以下是使用MATLAB中的fitrensemble函数和梯度树（Gradient Boosted Trees）算法对脑电信号数据集进行二分类的示例代码：

% 加载数据集和标签集
load EEG_data.mat
load EEG_label.mat

% 特征提取
features = extract_features(EEG_data);

% 划分训练集和测试集
cv = cvpartition(EEG_label,'HoldOut',0.3);
idxTrain = training(cv);
idxTest = test(cv);

% 使用梯度树算法训练分类器
t = templateTree('MaxNumSplits',1);
mdl = fitrensemble(features(idxTrain,:),EEG_label(idxTrain),'Method','LSBoost','Learners',t);

% 预测测试集数据
y_pred = predict(mdl,features(idxTest,:));

% 计算准确率和混淆矩阵
acc = mean(y_pred == EEG_label(idxTest));
cm = confusionmat(EEG_label(idxTest),y_pred);
disp(['Accuracy: ', num2str(acc)]);
disp(['Confusion Matrix: ']);
disp(cm);

在这段代码中，首先加载了脑电信号数据集和标签集，然后使用extract_features函数提取数据集的特征。接着使用cvpartition函数将数据集划分为训练集和测试集。然后使用fitrensemble函数训练一个梯度树算法分类器，其中t是一个模板分类器，这里使用了决策树分类器。最后使用predict函数对测试集数据进行预测，并计算准确率和混淆矩阵。