最近有一个朋友询问关于XGBoost的MATLAB代码。我想起三年前在五一数学建模比赛中使用过这个模型。当时找了很久的MATLAB代码却没找到，最终只能找人用Python来跑。因此，这次不仅是为了回答朋友的问题，也是为了弥补三年前的遗憾。同时考虑到其他同学也可能遇到类似的问题，所以决定写这篇博客。

我在国内的网站查了下，发现很多答案要安装xgboost工具箱，比如：在Matlab中运行xgboost的函数 - 文件交换 - MATLAB Central (mathworks.com)

【MATLAB第9期】基于MATLAB的xgboost算法安装超详细教学（踩坑避雷指南）暂时仅限于Windows系统 #末尾含源码获取链接_xgboost matlab-CSDN博客

要么就是直接上mbd进行付费。

然后查了下国外的发现一篇回答：

What functionality does MATLAB offer for Gradient Boosting that is equivalent to XGBoost? - MATLAB Answers - MATLAB Central (mathworks.com)

其中提到：

原来，xgboost不是机器学习算法。而是是梯度增强的有效实现。那就好办多了，因为MATLAB提供了几种与XGBoost类似的梯度提升解决方案：：

分类：

• fitcensemble：用于分类的集成模型，包括AdaBoostM1、GentleBoost和LogitBoost。

回归：

• fitrensemble：用于回归的集成模型，如LSBoost和Bagging。

这时候，就有人问了，那么什么是梯度提升回归呢？！

这里，已经有了非常清楚的解释了！：https://en.wikipedia.org/wiki/Gradient_boosting

小刘，就简简单单的翻译下：

梯度提升回归（Gradient Boosting Regression）

梯度提升回归是一种通过逐步构建多个弱学习器（如决策树）来提高模型预测性能的集成学习方法。

初始化模型

用常数预测初始模型，通常为目标变量 (y) 的均值：
$$F_0(x)=\arg \underset{c}{\min }\sum _{i=1}^{n}L(y_i,c)$$
其中，(L) 是损失函数，通常为均方误差。

计算残差

对于第 (m) 次迭代，计算当前模型的残差（即目标值与当前模型预测值之间的差）：
$$r_i^{(m)}=-\left[\frac{\partial L(y_i,F_{m-1}(x_i))}{\partial F_{m-1}(x_i)}\right]$$

训练新的弱学习器

在残差上训练一个新的弱学习器（如决策树）$h_m(x)$，以拟合残差：
$$h_m(x)=\arg \underset{h}{\min }\sum _{i=1}^n{\left(r_i^{(m)}-h(x_i)\right)}^2$$

更新模型

将新学习器加权后加入当前模型中：
$$F_m(x)=F_{m-1}(x)+{\gamma }_m{h}_m(x)$$
其中，${\gamma }_m$ 是学习率，控制模型对新学习器的权重。

重复迭代

重复计算残差、训练新模型和更新模型的过程，直到达到预定的迭代次数或其他停止条件。

优点

• 高预测性能：通过结合多个弱学习器，能有效提高模型的预测精度。
• 灵活性强：可以处理多种数据类型和复杂关系。

缺点

• 计算量大：训练过程较慢，尤其是在大数据集上。
• 参数调优复杂：需要仔细调节多个超参数，以防止过拟合。

总而言之，梯度提升回归（Gradient Boosting Regression）是一种集成学习方法，通过逐步构建多个弱学习器（如决策树），每个新学习器都在前一模型的残差上进行训练，以最小化损失函数。模型初始化为常数预测，逐步更新，每次迭代中计算残差，训练新学习器，并将其加权加入当前模型。其高预测性能和灵活性使其适用于复杂的回归问题。

好了，现在就是code环节了^^
这里的数据集我用的kaggle里面的案例
https://www.kaggle.com/datasets/naniruddhan/fetal-health-prediction-data/code
如果下不到的请发邮件给lizus01@163.com

clc
clear
close all
% 加载数据集
data = readtable("fetal_health.csv");

% 将特征和目标变量分开
X = data{:, 1:end-1}; % 特征
Y = data{:, end}; % 目标变量

% 划分训练集和测试集
cv = cvpartition(size(Y, 1), 'HoldOut', 0.2);
X_train = X(training(cv), :);
Y_train = Y(training(cv));
X_test = X(test(cv), :);
Y_test = Y(test(cv));

% 初始化均方误差数组和预测结果存储
mseValues = zeros(1, 1);
Y_pred_all = zeros(size(Y_test));

% 训练模型并保存
t = templateTree('MaxNumSplits', 5); % 基学习器为决策树
Mdl = fitrensemble(X_train, Y_train, 'Method', 'LSBoost', 'Learners', t, 'NumLearningCycles', 100, 'LearnRate', 0.1);

% 保存模型
save('Model.mat', 'Mdl');

% 加载模型并进行预测
loadedData = load('Model.mat');
Mdl = loadedData.Mdl;

% 预测测试集
Y_pred = predict(Mdl, X_test);
Y_pred_all = Y_pred;

% 计算均方误差
mseValues = mean((Y_test - Y_pred).^2);

% 显示均方误差
disp('均方误差:');
disp(mseValues);

% 将数据分成两部分
midPoint = floor(length(Y_test) / 2);
Y_test_part1 = Y_test(1:midPoint);
Y_pred_part1 = Y_pred_all(1:midPoint);
Y_test_part2 = Y_test(midPoint+1:end);
Y_pred_part2 = Y_pred_all(midPoint+1:end);

% 绘制预测与实际值的对比图（第一部分）
figure;
plot(Y_test_part1, 'b', 'DisplayName', '实际值');
hold on;
plot(Y_pred_part1, 'r--', 'DisplayName', '预测值');
xlabel('样本');
ylabel('胎儿健康');
legend show;
title('胎儿健康预测值与实际值对比 - 第一部分');

% 绘制预测与实际值的对比图（第二部分）
figure;
plot(Y_test_part2, 'b', 'DisplayName', '实际值');
hold on;
plot(Y_pred_part2, 'r--', 'DisplayName', '预测值');
xlabel('样本');
ylabel('胎儿健康');
legend show;
title('胎儿健康预测值与实际值对比 - 第二部分');