简介：本资源是一套面向机器学习与可解释AI研究者的MATLAB实战工具包，聚焦LSBoost集成学习回归建模与SHAP值深度归因分析，适用于多输入单输出的工程预测场景（如设备性能评估、环境参数建模等）。压缩包共9个文件（4个核心m脚本、3个xlsx数据表、2个说明类txt），总大小仅53KB，轻量易部署；其中main.m为主流程驱动，shapley_function.m封装SHAP计算逻辑，newpre.m支持新样本端到端预测，配套Excel含原始数据、测试集与新输入样例。已有48人学习下载，适合具备基础MATLAB编程能力与回归建模经验的科研人员或高年级本科生，可直接复现完整流程：从Excel数据读取、归一化划分、LSBoost模型训练与评估（R²/MAE/RMSE+三类可视化图），到SHAP蜂群图与全局重要性条形图生成，全部代码模块清晰、注释完备、无外部依赖。 回归预测做到能解释，才算是真正能落地的模型。LSBoost配合SHAP分析，在MATLAB里就能完整实现，这套组合我最近在实际项目中反复用过，流程已经跑通了：训练、评估、解释、对新数据预测，一条链路下来非常顺手。这篇就把它拆开讲透，从算法原理到完整代码，再到踩坑记录，希望对做回归预测和论文实验的朋友有实际帮助。适合刚接触集成学习、想给模型加一层可解释性分析，又不想换Python环境直接用MATLAB解决的人。
1. 项目概述与方案选型
1.1 这个项目要解决什么问题
做过多输入单输出回归预测的朋友应该都有体会，最头疼的不是模型跑不出来，而是模型跑出来了却说不清楚“为什么”。我们在实际项目中拿到一批数据，比如传感器采集的多个运行参数，要预测设备某个关键指标，输入可能有十几二十个变量，变量之间还相互耦合。传统线性回归虽然解释性好，但对非线性关系拟合能力有限；BP神经网络和SVM预测精度尚可，可一旦模型训练完，几乎就是一个黑盒：特征到底怎么影响输出的，说不清。
这个项目的核心目标就两个：第一，用LSBoost算法构建一个精度足够高的回归预测模型；第二，用SHAP可解释分析打开黑盒，搞清楚每个输入特征对预测结果的贡献方向和大小，最后还能把训练好的模型直接应用到新数据上做预测。整个项目在MATLAB环境下完成，从数据准备、模型训练、效果评估到可解释分析、新数据预测，全部由完整代码串起来，拿来就能跑，跑完就能出图、出指标、出解释结论。
1.2 为什么是LSBoost和SHAP这套组合
先说LSBoost。很多人第一次接触提升树是从AdaBoost开始的，但AdaBoost更擅长分类，做回归时对异常值很敏感。LSBoost全称Least Squares Boosting，也就是最小二乘提升，它每一轮迭代拟合的都是当前模型预测值与真实值之间的残差，损失函数是均方误差，本质上是梯度提升决策树（GBDT）在平方损失下的一种特例。这套思路对回归问题非常友好：实现简单、收敛稳定、超参数数量可控，而且在中小规模数据集上，训练速度和预测精度都有保证。
再说SHAP。如果只追求预测精度，直接调LSBoost就够了，但实际交付项目或者写论文时，评审和甲方都会问一个问题：哪些因素最关键？SHAP（SHapley Additive exPlanations）基于博弈论中的Shapley值，把每个特征的贡献值精确量化，能给出全局特征重要性、单个样本的解释，还能画出特征值大小与SHAP值之间的关系图。它最吸引我的一点是理论完备，不像某些特征重要性指标只看增益或者分裂次数，SHAP是真正从“合作博弈”的角度公平分配贡献。
这套组合在MATLAB里能原生实现，不需要额外安装Python环境，这也是很多科研场景选择它而不是转投XGBoost + Python的原因。MATLAB的Statistics and Machine Learning Toolbox提供了fitrensemble函数创建LSBoost集成模型，R2021a及以后版本还内置了shapley函数，可以直接对模型做可解释分析。版本满足条件的话，整个链路不需要写一行外部调用代码。
1.3 完整的处理链路
整个项目的处理流程可以用一句话概括：数据进来，模型训练，效果评估，SHAP解释，新数据预测。展开看是这样的：
- 数据读取和预处理：把输入特征和输出目标分离，划分训练集和测试集。
- 模型构建：配置LSBoost的关键参数，包括弱学习器类型、集成轮数、学习率等。
- 训练与验证：用交叉验证初步评估模型，再在测试集上计算R²、RMSE、MAE等回归指标。
- SHAP可解释性分析：计算每个样本的SHAP值，绘制特征重要性排序图、SHAP依赖图，以及单个样本的解释图。
- 新数据预测：对新的输入样本，调用训练好的模型直接输出预测值，并把SHAP解释一并输出。
2. LSBoost核心原理解读与参数控制
2.1 LSBoost的迭代思路
LSBoost的逻辑特别朴素：我不指望一棵树就把活干完，但我每一轮都努力纠正上一轮犯的错。用数学语言描述，给定训练数据(x_i, y_i)，初始化模型为所有样本目标值的均值，然后每一轮计算当前模型的残差r_i = y_i - F_m(x_i)，用一棵回归树去拟合这个残差，再把拟合结果乘以学习率加到原模型上：
F_{m+1}(x) = F_m(x) + ν * h_m(x)
其中ν是学习率，h_m(x)是第m轮训练的回归树。
这个思路的关键在于：残差就是预测值离真实值还差多少，拟合残差本质上就是在逐步逼近真实值。拿生活里的例子类比，就像你第一次估一个物体的重量，估少了，第二次就专门修正低估的部分；再估，再修正，多轮之后估计就越来越准。损失函数取均方误差时，这个修正方向正好是损失函数的负梯度方向，所以LSBoost是梯度提升在平方损失下的直接实例。
实际使用中我会反复强调一点：LSBoost对异常值并不免疫。因为平方损失会把偏离较远的样本放大，异常值会主导残差拟合。数据清洗阶段如果发现目标变量有极端离群点，要么剔除，要么做截尾处理，否则后面模型训练出的效果会很奇怪。
2.2 关键参数与MATLAB中的对应设置
MATLAB用fitrensemble创建LSBoost模型，最小调用方式如下：
% 创建LSBoost回归集成模型 t = templateTree('MinLeafSize', 5); mdl = fitrensemble(XTrain, YTrain, ... 'Method', 'LSBoost', ... 'NumLearningCycles', 300, ... 'Learners', t, ... 'LearnRate', 0.1);这段代码里最关键的几个参数：
Method：指定集成学习方法，回归任务填'LSBoost'。MATLAB官方文档中，fitrensemble用于回归时默认方法本身就是'LSBoost'，但显式写出来更清晰。
NumLearningCycles：集成中决策树的数量，也就是提升轮数。这个值太小欠拟合，太大容易过拟合且训练时间线性增长。我通常先设300，再用交叉验证看曲线趋势。
LearnRate：学习率，也就是上面公式里的ν。它和NumLearningCycles是联动关系：学习率越小，每轮修正幅度越小，需要的树越多。常见组合是LearnRate=0.1配NumLearningCycles=300，或者LearnRate=0.05配500。学习率过高会导致后期震荡，过低则训练慢。
Learners：弱学习器模板。默认情况下MATLAB会使用带剪枝的回归树，但推荐自己通过templateTree控制树的结构。其中MinLeafSize（最小叶子样本数）是非常重要的正则化参数：值越小树越深越精细，容易过拟合；值越大树越粗糙，模型更稳健。对于噪声较多的数据，我一般直接从MinLeafSize=8或10起步。
2.3 参数配置建议与调试经验
参数怎么配，网上一搜一大把理论，但实操中真正有用的经验是这样的：
第一，先固定学习率，再调树的数量。我习惯把LearnRate固定为0.1，然后观察模型在训练集和测试集上的误差随NumLearningCycles变化曲线。如果训练误差持续下降而测试误差在某一轮之后开始回升，说明树太多了，应当提前停止或用交叉验证选择最佳轮数。MATLAB里可以训练后绘制resubLoss和loss随轮数变化的曲线来判断。
第二，不要盲目追求极小的MinLeafSize。对于含噪声的工业数据，MinLeafSize=1虽然能让训练集几乎完美拟合，但测试集上很可能惨不忍睹。一个常用的调试策略：把MinLeafSize从1、2、5、8、10、15逐档增大，观察测试集RMSE的变化，选择拐点处的值。
第三，可以用fitrensemble自带的自动超参数优化功能，在参数空间里搜索。代码很简单：
mdl = fitrensemble(XTrain, YTrain, ... 'Method', 'LSBoost', ... 'OptimizeHyperparameters', {'NumLearningCycles', 'LearnRate', 'MinLeafSize'}, ... 'HyperparameterOptimizationOptions', struct('AcquisitionFunctionName', 'expected-improvement-plus', 'MaxObjectiveEvaluations', 30));这个方法适合样本量比较大、特征维度中等的场景。自动搜索比较费时间，但能帮你快速定位一个合理的参数区域。我通常先用贝叶斯自动优化跑一轮，拿到较优参数后再手动细化，而不是一上来就手撸网格搜索。
注意验证集划分要固定随机种子，否则每次运行结果不一样，参数对比就没有意义。代码里在数据划分之前用rng(42)固定种子，这是调试期必须养成的好习惯。
3. SHAP可解释分析原理与MATLAB实现
3.1 SHAP要回答什么问题
LSBoost训练完毕，模型能给出预测值，但解释性还是不够。比如测试集上R²达到0.95，项目汇报时别人问：到底是哪个特征让预测值升高的？某个样本的预测为什么偏高？特征A和特征B谁更重要？这些问题如果你只能回答“模型很复杂，不好说”，那项目的说服力就大打折扣。
SHAP解决的就是这个问题。它借鉴合作博弈论里的Shapley值思想，把每一个特征看作一个“玩家”，把模型的预测值看作“总收益”，然后计算每个玩家对总收益的边际贡献。这种边际贡献不是简单地看某个特征单独的影响，而是考虑了它和其他所有特征组合时的平均贡献。
3.2 从Shapley值到SHAP值
Shapley值的计算思路是：对所有特征子集S，计算加入特征j前后模型预测的变化，再对所有可能的子集和排列顺序取平均。公式写出来有点吓人：
φ_j = Σ_{S ⊆ N\{j}} [|S|!(M-|S|-1)! / M!] * [f(S∪{j}) - f(S)]
其中M是特征总数，f(S)是只使用子集S中特征时模型的期望预测。对于树模型，这个计算如果暴力穷举，复杂度是特征数的指数级，根本跑不动。所以SHAP的作者提出了TreeSHAP算法，在树模型上利用树的结构快速计算精确的SHAP值，复杂度可以降到多项式级别。
在实际使用中，你不需要自己实现TreeSHAP，MATLAB从R2021a开始在Statistics and Machine Learning Toolbox里内置了shapley对象，直接调用即可，但前提是模型类型受支持。实测下来，fitrensemble生成的RegressionEnsemble模型是可以直接被shapley接受的。
如果使用的是旧版本MATLAB，或者模型类型不受内置函数支持，也不要紧，可以自己写一个基于蒙特卡洛采样的SHAP近似算法。核心思想是随机采样特征子集，计算边际贡献并取平均。虽然速度慢一些，但结果趋势是对的，可以满足分析需求。
3.3 MATLAB中的SHAP实现思路
最省事的做法，训练完模型后直接这样写：
% 基于训练好的LSBoost模型计算SHAP值 explainer = shapley(mdl, XTrain); % 绘制全局特征重要性排序图 plot(explainer);第一行代码创建了一个shapley对象，里面存了每个特征、每个样本的SHAP值。第二行画出条形图，横坐标是特征，纵坐标是平均绝对SHAP值，也就是全局特征重要性排序。
如果你想看单个样本的解释，可以这样：
% 解释第5个测试样本的预测 plot(explainer, XTest(5, :));这个图展示的是该样本预测值与基线预测值（通常是训练集目标均值）之差，以及每个特征把这个差值往上推还是往下拉了多少。这张图在论文和项目汇报里非常有说服力。
如果MATLAB版本不够新，或者你想更灵活地控制SHAP分析的细节，还有一个方案：自己写蒙特卡洛采样近似。这里给出一个简化的实现思路：
function shap = shapley_approx(mdl, X, x0, numSamples) % 输入: mdl-训练好的模型, X-训练数据矩阵, x0-待解释样本, numSamples-采样次数 % 输出: shap-长度为特征数的SHAP值向量 [n, p] = size(X); shap = zeros(1, p); baseline = mean(mdl.predict(X)); f0 = mdl.predict(x0) - baseline; for i = 1:numSamples % 随机选择一个特征子集 S = randperm(p, randi([0, p])); % 构造两个样本: 一个包含子集S的特征值, 另一个包含S∪{j} x1 = x0; x2 = x0; for j = 1:p if ~ismember(j, S) idx = randi(n); x1(j) = X(idx, j); x2(j) = X(idx, j); end end for j = 1:p x1_j = x1; x2_j = x2; x1_j(j) = baseline; % 用基线替换 x2_j(j) = x0(j); % 用样本值 shap(j) = shap(j) + (mdl.predict(x2_j) - mdl.predict(x1_j)) / numSamples; end end end这个近似代码是教学演示级的，实际用时要考虑基线值、采样效率和数值稳定性，但这个结构能帮你理解SHAP值的本质：通过反复对比“有这个特征”和“没这个特征”的预测差异，算出每个特征的独立贡献。
3.4 图表解读：怎么从SHAP图里读出信息
SHAP算完，不会看图等于白算。全局特征重要性条形图最直观，横轴是平均|SHAP|，值越大说明特征对预测结果的平均影响越大。但注意，平均|SHAP|只告诉你影响力大小，不告诉方向。方向要看依赖图。
依赖图可以这样画：把某个特征的值作为横轴，该特征的SHAP值作为纵轴，每个点代表一个样本。如果点的分布明显从左下到右上，说明该特征值越大，对预测结果的正向贡献越强；如果是左上到右下，则相反。散点颜色我常用第二个特征映射，可以观察两个特征之间的交互效应。
单样本解释图在论文写作中特别好用。比如预测值比训练集均值高2.3，图里会直接告诉我们：主要是特征X7推高了预测值，而特征X3在往下拉。这种解释对业务决策非常友好。
4. 完整实操：从数据到新数据预测
4.1 数据准备与划分
我拿一个模拟场景举例：假设有2000个样本，8个输入特征，1个输出目标值，数据存在Excel文件data.xlsx中。前8列是特征，最后一列是目标。完整的数据读取和划分代码如下：
%% 清空环境并固定随机种子 clear; clc; close all; rng(42); %% 读取数据 data = xlsread('data.xlsx'); X = data(:, 1:end-1); Y = data(:, end); %% 划分训练集和测试集（80%训练，20%测试） cv = cvpartition(size(X, 1), 'Holdout', 0.2); idxTrain = training(cv); idxTest = test(cv); XTrain = X(idxTrain, :); YTrain = Y(idxTrain); XTest = X(idxTest, :); YTest = Y(idxTest);这里有两个细节要注意。第一，cvpartition的Holdout选项是按比例随机划分，所以必须先固定随机种子。第二，如果有数据归一化需求，比如特征之间量纲差异悬殊，必须在划分之后再计算训练集的均值和标准差，然后用训练集的统计量去归一化测试集和新数据，绝对不能直接对整个数据集一次性归一化，否则会造成信息泄露，测试集评估结果虚高。
如果数据量不大，我更推荐用K折交叉验证而不是简单划分一次。K折交叉验证能把数据用得更充分，评估结果更稳健。代码如下：
cv = cvpartition(size(X, 1), 'KFold', 5); for k = 1:cv.NumTestSets idxTrain = training(cv, k); idxTest = test(cv, k); % 在这里训练模型并记录误差 end4.2 模型训练与参数寻优
划分好数据后，进入模型训练阶段。我用一个自定义函数封装训练和评估流程，便于多次调用和调试：
%% 构建LSBoost模型 t = templateTree('MinLeafSize', 8); mdl = fitrensemble(XTrain, YTrain, ... 'Method', 'LSBoost', ... 'NumLearningCycles', 300, ... 'Learners', t, ... 'LearnRate', 0.1, ... 'PredictorNames', {'X1','X2','X3','X4','X5','X6','X7','X8'}); %% 训练集和测试集预测 YPredTrain = predict(mdl, XTrain); YPredTest = predict(mdl, XTest); %% 计算回归指标 R2Train = 1 - sum((YTrain - YPredTrain).^2) / sum((YTrain - mean(YTrain)).^2); R2Test = 1 - sum((YTest - YPredTest).^2) / sum((YTest - mean(YTest)).^2); RMSETest = sqrt(mean((YTest - YPredTest).^2)); MAETest = mean(abs(YTest - YPredTest)); fprintf('训练集 R2: %.4f\n', R2Train); fprintf('测试集 R2: %.4f\n', R2Test); fprintf('测试集 RMSE: %.4f\n', RMSETest); fprintf('测试集 MAE: %.4f\n', MAETest);训练完立刻看训练集和测试集R²之间的差距。我在实际项目里常见的现象是训练集R²在0.98以上，测试集只有0.85，说明过拟合了。这时优先调大MinLeafSize，比如从8调到15，或者降低LearnRate到0.05并增加NumLearningCycles。
如果再想精细一点，可以对多个参数组合做网格搜索，用交叉验证选择最优组合。这个阶段要有耐心，参数寻优没有一劳永逸的规则，数据分布不同，最优参数也不同。
训练完成后，画一张测试集预测值与真实值的对比图，是验收模型最直观的方式：
figure; plot(YTest, 'b-', 'LineWidth', 1.5); hold on; plot(YPredTest, 'r--', 'LineWidth', 1.5); legend('真实值', '预测值'); xlabel('样本序号'); ylabel('目标值'); title('测试集预测效果对比'); grid on;如果两条曲线几乎重合，说明模型精度可以；如果预测曲线明显滞后或者偏差大，先检查数据预处理和特征质量，不要急着换模型。
4.3 SHAP分析与结果可视化
模型训练好了，接下来是重头戏SHAP可解释分析。在支持内置函数的MATLAB版本上，代码非常简洁：
%% 计算SHAP值 explainer = shapley(mdl, XTrain); %% 全局特征重要性排序图 figure; plot(explainer); %% 单个特征SHAP依赖图 figure; plot(explainer, 'X7'); % 替换成你的特征名绘图后，重点看两个信息。第一个是特征重要性排序：如果某个特征的平均|SHAP|明显高于其他特征，它就是模型的主要驱动因子。第二个是依赖图中SHAP值随特征值的变化趋势：上升、下降还是非线性，可以据此判断特征与目标的正负相关关系。
如果需要进一步量化特征方向，可以计算每个特征的SHAP值符号统计，比如正SHAP占比多少，负SHAP占比多少。这个统计量非常适合写进报告：特征X7有80%的样本呈现正向贡献，说明该特征总体上会抬升预测值。
对于单个样本的解释，可以写一个简单循环，对测试集中预测误差最大的几个样本逐个分析，看看模型是“为什么错”的。这个操作在调试阶段价值极高。比如我发现某个样本预测值明显偏低，SHAP图显示是某个特征值过高导致负向贡献巨大，去查原始数据后果然发现该样本在这个特征上是一个异常记录。这比对着数字猜半天高效得多。
4.4 新数据预测实操
模型验证通过、解释性分析做完之后，就到了最终环节：用模型对新数据进行预测。
%% 新数据预测 % 假设新样本是1行8列的特征向量 newData = [0.23, 0.87, 1.35, 4.21, 0.56, 0.92, 2.33, 0.48]; predValue = predict(mdl, newData); fprintf('新样本预测值: %.4f\n', predValue); % 如果有多条新数据，按行拼接即可 newDataBatch = [ 0.23, 0.87, 1.35, 4.21, 0.56, 0.92, 2.33, 0.48; 0.15, 0.92, 1.27, 4.35, 0.61, 0.88, 2.41, 0.52; 0.31, 0.79, 1.42, 4.10, 0.53, 0.95, 2.28, 0.45; ]; predBatch = predict(mdl, newDataBatch);新数据预测这一步有个容易踩的坑：预测输入的特征顺序必须和训练时完全一致，列数也必须一致。我见过不少朋友在新数据预测时报错“输入列数不匹配”，查了半天发现是Excel里把两列数据顺序搞反了。所以强烈建议在代码里加入维度检查：
assert(size(newData, 2) == size(XTrain, 2), '新数据特征维度不一致!');如果训练前做过归一化，别忘了预测新数据前用训练集的均值mu和标准差sigma对新数据做同样的变换：
% 假设已经保存了归一化参数 newDataNorm = (newData - mu) ./ sigma; predValue = predict(mdl, newDataNorm);新数据的SHAP解释同样可以算，MATLAB内置shapley对象虽然没有单独对单条新数据重算的接口，但可以把新样本追加到解释集里，或者直接调用对象的fit方法重算。自定义实现则更灵活：每次对新样本计算一次SHAP值，非常方便。
5. 常见问题与排查技巧
5.1 报错与解决方案
把实际运行中经常遇到的问题整理成一张速查表，方便读者直接对照：
| 报错信息 | 可能原因 | 解决办法 |
|---|---|---|
Invalid parameter name: LearnRate | 版本过老，fitrensemble不支持该参数 | 升级MATLAB到R2017a以上，或改用fitensemble语法 |
The "shapley" function is not supported | MATLAB版本低于R2021a，或模型类型不受支持 | 升级版本，或使用自编蒙特卡洛SHAP近似代码 |
X and Y have different number of rows | 特征矩阵和目标向量行数不一致 | 检查数据读取代码，打印size确认 |
Predictor names must be unique | 自定义特征名有重复 | 确保PredictorNames中每个名称唯一 |
Error using templateTree | 并行计算池或参数类型错误 | 确认MinLeafSize为正整数，关闭并行池重试 |
| 预测时报错列数不匹配 | 新数据维度或顺序与训练不一致 | 打印size(newData,2)和size(XTrain,2)对比，调整列顺序 |
其中shapley函数不可用是最常见的问题。如果你还在用R2020a或更早版本，强烈建议走自定义SHAP近似路线。虽然速度慢，但至少能出结果。另外注意，shapley对象在R2021a之后也在持续更新，低版本即使有该函数，绘图功能可能也比较简陋，遇到图形样式不够用的情况，用我们自己算出的SHAP矩阵配合scatter和bar函数画图就行。
5.2 效果不佳的排查思路
模型跑通了，但精度不理想，这个情况更常见。我的排查顺序有固定套路，建议按这个顺序走：
第一，先看数据质量。Y有没有明显离群点？X有没有缺失值、重复值、常数特征？很多人一上来就调参，结果问题出在数据清洗上，白费功夫。我自己习惯先画每个特征的箱线图和目标变量的分布直方图，5分钟就能看出问题。
第二，看训练集和测试集误差差距。如果训练R²很高但测试R²很低，过拟合，优先调大MinLeafSize、降低LearnRate、增加正则化。如果两者都低，欠拟合，优先增加NumLearningCycles、减小MinLeafSize。
第三，看特征重要性和SHAP依赖图。如果某个特征被模型认为极其重要，但依赖图呈现明显的异常模式，比如大量样本的SHAP值为零，说明该特征在处理时有问题，可能要检查是否包含无效占位符或者数据错位。
第四，对比简单模型。我经常用线性回归先跑一遍，如果线性回归R²已经很高，说明数据关系接近线性，这时换LSBoost提升有限，不如直接用线性模型获得更好的解释性。如果线性回归极差，而LSBoost很好，说明数据中确实存在非线性关系。
5.3 实用避坑技巧
最后分享几个真正写在血泪教训里的经验。
一是保存模型和工作区。模型训练和SHAP计算都比较耗时，特别是数据量大、轮数多的时候。训练完成后立刻用save把模型和其他重要变量保存成.mat文件。后续做新数据预测或写报告时直接load，不用重新训练。
save('lsboost_model.mat', 'mdl', 'explainer', 'XTrain', 'YTrain');二是SHAP计算耗时很长时，可以先用datasample对训练数据随机抽样一部分来做SHAP。SHAP值的本质是平均边际贡献，抽样样本数足够多（比如500到1000个）时，结果与全量数据差异很小，但计算时间可以缩短一个数量级。
idxSample = datasample(1:size(XTrain,1), 500, 'Replace', false); explainer = shapley(mdl, XTrain(idxSample, :));三是如果要写论文或报告，图的导出格式很重要。MATLAB里出图后建议执行：
set(gcf, 'Color', 'w'); exportgraphics(gcf, 'shap_importance.pdf', 'ContentType', 'vector');导出矢量图可以在论文里无级缩放，清晰度远超截图。
四是关于LSBoost与并行计算。fitrensemble支持'Options'参数开启并行训练。如果你有Parallel Computing Toolbox，可以这样写：
opts = statset('UseParallel', true); mdl = fitrensemble(XTrain, YTrain, 'Method', 'LSBoost', 'Options', opts);但要注意，并不是所有场景并行都更快。数据量小、树模型训练本身很快时，并行反而会因为进程通信开销拖慢速度。数据量大并且要做超参数搜索时，开启并行收益明显。
从模型构建、精度评估、SHAP可解释分析到新数据预测，这套LSBoost加SHAP的流程我已经在不同数据集上反复验证过多次。它在MATLAB里形成的工作流非常顺畅。我自己的体会是，LSBoost负责把预测精度做到位，SHAP负责把模型的决策逻辑翻译成人话，两者结合，模型就不只是一个打分工具，而是一个能辅助理解数据规律、支撑业务决策的分析对象。以后再遇到回归预测加可解释分析的需求，直接用这套流程就能交出一份有里有面的答卷。
本文还有配套的精品资源，点击获取
