matlab 实现lasso回归并可视化，同时画出预测值和实际值的散点图

好的，下面是一个完整的 MATLAB 代码，实现 LASSO 回归并可视化，同时画出预测值和实际值的散点图：

% 加载数据
load('data.mat');

% 划分训练集和测试集
train_ratio = 0.7;
idx = randperm(size(X, 1));
train_X = X(idx(1:round(train_ratio*size(X, 1))), :);
train_y = y(idx(1:round(train_ratio*size(X, 1)))));
test_X = X(idx(round(train_ratio*size(X, 1))+1:end), :);
test_y = y(idx(round(train_ratio*size(X, 1))+1:end));

% LASSO 回归
[B, FitInfo] = lasso(train_X, train_y, 'CV', 10, 'Lambda', [0.001:0.001:0.01]);

% 可视化正则化路径图
lassoPlot(B, FitInfo, 'PlotType', 'Lambda', 'XScale', 'log');

% 预测测试集
test_pred = test_X * B + repmat(FitInfo.Intercept, size(test_X, 1), 1);

% 绘制预测值和实际值的散点图
scatter(test_y, test_pred);
xlabel('Actual Value');
ylabel('Predicted Value');
title('Scatter Plot of Actual vs. Predicted Values');

其中，`data.mat` 是数据文件，包含了 `X` 和 `y` 两个变量。`train_ratio` 是训练集的比例。`randperm` 函数可以随机排列数据集，并返回一个随机索引。`round` 函数可以将小数四舍五入到最接近的整数。`repmat` 函数可以将一个向量重复多次，以生成一个矩阵。`test_pred` 是预测值。`scatter` 函数可以绘制散点图。

这段代码实现了 LASSO 回归的完整流程，并将预测值和实际值可视化。你可以根据自己的数据和需求进行修改。