给我RUSBoost的matlab代码

以下是一个简单的RUSBoost的Matlab代码实现，供您参考：

function [ensemble, alpha] = RusBoost(X_train, y_train, T)
% X_train: 训练数据集，每行为一个样本，每列为一个特征
% y_train: 训练数据集的标签，1表示正例，-1表示负例
% T: 迭代次数
% ensemble: 存储每个弱分类器的权重
% alpha: 存储每个弱分类器的系数

% 初始化权重
w = ones(size(X_train, 1), 1) / size(X_train, 1);

ensemble = cell(T, 1);
alpha = zeros(T, 1);

for t = 1:T
    % 使用RUS进行采样
    [X_resampled, y_resampled] = RUS(X_train, y_train);
    
    % 训练一个弱分类器
    tree = fitctree(X_resampled, y_resampled, 'MaxNumSplits', 1, 'Weights', w);
    y_pred = predict(tree, X_train);
    
    % 计算错误率
    err = sum(w .* (y_pred ~= y_train));
    
    % 计算弱分类器的权重
    alpha(t) = log((1 - err) / err) / 2;
    
    % 更新样本权重
    w = w .* exp(-alpha(t) * y_train .* y_pred);
    w = w / sum(w);
    
    % 存储弱分类器和权重
    ensemble{t} = tree;
end
end

function [X_resampled, y_resampled] = RUS(X_train, y_train)
% 使用RUS算法进行采样
X_pos = X_train(y_train == 1, :);
X_neg = X_train(y_train == -1, :);
n_pos = size(X_pos, 1);
n_neg = size(X_neg, 1);

if n_pos >= n_neg
    % 正例样本数多于负例样本数，对负例进行欠采样
    idx = randperm(n_neg, n_pos);
    X_resampled = [X_pos; X_neg(idx, :)];
    y_resampled = [ones(n_pos, 1); -ones(n_pos, 1)];
else
    % 负例样本数多于正例样本数，对正例进行欠采样
    idx = randperm(n_pos, n_neg);
    X_resampled = [X_pos(idx, :); X_neg];
    y_resampled = [ones(n_neg, 1); -ones(n_neg, 1)];
end
end

请注意，此代码仅供参考，可能需要根据您的具体需求进行修改和调整。