1. 这段核心代码解决的是哪一类问题最近找我聊 MATLAB 的人里好几位都是同一个状态手里有个data.xlsx打开一看几十列第一列到倒数第二列是输入参数最后一列是输出结果任务就是用前面这些列把最后那一列预测出来。标题里那句直接打开 MATLAB新建脚本把这段代码贴进去我太熟悉了因为我带新人也是这么带的——先给一段能跑的完整脚本跑通了再讲为什么最后才谈怎么改。这种特征表 标签列的结构是表格型监督学习最通用的数据组织方式。它不只是出现在课程作业里很多工程场景交付给你的数据也是这么排的设备老化测试记录温度、电流、电压、运行时长做输入剩余寿命做输出、量化策略研究因子列做输入下一期收益做输出、图像特征表格提取好的特征描述子做输入类别标签做输出。数据来源五花八门但落到 Excel 里之后结构完全一样。所以学会处理这种格式等于学会了 MATLAB 里 80% 的表格建模套路。我这里先给你一版可以直接复制运行的核心代码。它做的事情很明确读取 Excel → 分离特征和标签 → 处理缺失值 → 划分训练集测试集 → 归一化 → 训练线性回归基线模型 → 输出 R² 和 RMSE → 画预测对比图。%% 核心代码data.xlsx 数据读取与回归建模通用流程 clear; clc; close all; %% 第1步读取桌面上的 data.xlsx % 方法A如果脚本所在文件夹就是当前目录直接写文件名 % raw readtable(data.xlsx); % 方法B最省事弹窗选文件路径写死不容易错 [file, path] uigetfile(*.xlsx, 请选择 data.xlsx); if isequal(file, 0) error(没有选择文件脚本终止); end raw readtable(fullfile(path, file)); % 快速预览前5行和变量名 disp(数据预览); disp(raw(1:5, :)); disp(变量列表); disp(raw.Properties.VariableNames); %% 第2步分离输入参数与输出结果 % 第一列到倒数第二列是输入参数最后一列是输出结果 X raw{:, 1:end-1}; % 特征矩阵 y raw{:, end}; % 目标向量 %% 第3步缺失值处理直接删除含NaN的行 if any(isnan(X(:))) || any(isnan(y)) fprintf(发现缺失值正在删除含有NaN的行...\n); valid ~any(isnan(X), 2) ~isnan(y); X X(valid, :); y y(valid, :); end %% 第4步训练集/测试集划分先划分再归一化 rng(42); 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, :); % 用训练集的均值/标准差做归一化防止数据泄露 mu mean(XTrain, 1); sigma std(XTrain, 0, 1); sigma(sigma 0) 1; % 防止常数列除零 XTrain (XTrain - mu) ./ sigma; XTest (XTest - mu) ./ sigma; %% 第5步训练模型先用线性回归做基线 mdl fitlm(XTrain, yTrain); pred predict(mdl, XTest); %% 第6步评估 SS_res sum((yTest - pred).^2); SS_tot sum((yTest - mean(yTest)).^2); R2 1 - SS_res / SS_tot; RMSE sqrt(mean((yTest - pred).^2)); fprintf(线性回归基线结果R² %.4fRMSE %.4f\n, R2, RMSE); %% 第7步画图 figure; plot(yTest, pred, o, LineWidth, 1); hold on; plot([min(yTest), max(yTest)], [min(yTest), max(yTest)], r--, LineWidth, 1.5); xlabel(真实值); ylabel(预测值); title(sprintf(预测值与真实值对比 (R²%.4f), R2)); grid on;跑完之后你手里会多三样东西控制台里两个数字R² 和 RMSE一张预测值对真实值的散点图还有一个训练好的线性模型对象mdl。注意cvpartition、fitlm都属于 Statistics and Machine Learning Toolbox没装这个工具箱的话会直接报错。另外fitrnet这类神经网络回归器要 R2021a 之后才有下面第 4 章我会再提。2. 逐行拆解为什么是这个写法而不是别的写法新手最容易犯的错不是模型不会选而是代码差一点就跑不通。这一章我把核心代码里几个关键写法逐个拆开讲清楚每个选择的理由。2.1 读取文件三种方式我建议你用弹窗readtable(data.xlsx)看着最省事但它有个前提MATLAB 当前工作目录必须正好就是data.xlsx所在目录。很多人把脚本和 Excel 都放在桌面然后直接运行报错Unable to find file or directory。原因很常见MATLAB 打开后的当前路径往往是安装目录或上一次保存的位置脚本在桌面不代表当前目录在桌面。我处理这类问题有三个办法从麻烦到省事排列% 方式1先 cd 到桌面要改用户名 cd(C:\Users\你的用户名\Desktop); % 方式2写绝对路径 raw readtable(C:\Users\你的用户名\Desktop\data.xlsx); % 方式3弹窗选文件我最推荐 [file, path] uigetfile(*.xlsx, 请选择 data.xlsx); raw readtable(fullfile(path, file));弹窗方案的优点是文件放哪都行你只需要在弹出窗口里点一下路径交给系统拼接永远不会有手滑打错字的问题。对新手来说这是最不容易翻车的一条路。2.2 raw{:, 1:end-1}表格索引的精确语义readtable读进来的是一个 table 对象不是普通矩阵。table 有两种索引方式raw(:, 1:end-1)出来的还是 table适合继续按列名操作raw{:, 1:end-1}把对应位置的数据掏出来拼成普通数值矩阵适合直接喂给fitlm、fitrtree这类函数。end在 MATLAB 里会自动展开成当前维度的最大索引。1:end-1的意思就是第一列到倒数第二列正好对应题目里第一列到倒数第二列是输入参数这句描述。好处是你完全不需要关心表格一共有多少列每次拿到不同宽度的data.xlsx都是同一段代码。这个写法有个前提被{:, ...}掏出来的所有列必须是同一种类型数值或逻辑。如果中间混了一列文本比如设备编号A001、A002MATLAB 会直接报Cannot concatenate table variable之类的错。怎么快速判断哪些列不能参与建模我在第 3 章会给你一套完整排查链路。2.3 先划分数据集再归一化这是个不能妥协的顺序很多教程会先写X zscore(X)然后再切训练测试集。这在严格意义上是有问题的zscore用的是整个数据集的均值和标准差也就是说测试集的统计信息已经提前混进了训练过程。这叫数据泄露后患是你在测试集上看到的指标会虚高真实部署时模型性能明显下降。理解这件事最好的类比是考试你提前偷看了测试卷的答案再用这套答案反过来衡量自己考得多好分数当然漂亮但到了真正上考场就露馅。正确做法是只从训练集算均值mu和标准差sigma再拿这两个数去归一化训练集和测试集。第 1 章的代码里就是这么写的mu mean(XTrain, 1); sigma std(XTrain, 0, 1); sigma(sigma 0) 1; % 有些列是常数标准差为0除零会得到NaN XTrain (XTrain - mu) ./ sigma; XTest (XTest - mu) ./ sigma;那行sigma(sigma 0) 1是很多人没想到的如果某一列全是同一个值比如所有样本的温度都设成了 25标准差是 0归一化会产生无穷大和 NaN。把它临时改成 1这列数据就会被归一化成全 0模型等于自动忽略了这个无信息列。2.4 为什么先用 fitlm 做基线我见过不少新手一上来就上神经网络结果训练半天、过拟合满天飞、最后报告里连一个能解释的结论都写不出来。线性回归fitlm有四个不可替代的好处快几千行数据瞬间完成、稳几乎没有调参需求、可解释mdl.Coefficients直接给出每个特征的系数和 p 值、自带诊断图直接plot(mdl)就可以看残差分布。更关键的是线性模型的结果本身就是一把尺子。如果线性模型 R² 已经 0.9说明问题很可能是线性可解的你只需要在这个基础上微调如果线性模型 R² 只有 0.3说明数据里存在明显的非线性关系这时候再上树模型或神经网络才有意义。反过来数据明明接近线性你却直接上了复杂模型最后精度没提升多少解释性全丢了报告很难写。另外如果你拿到的是分类问题最后一列是 0/1 标签这整套流程不需要推倒重来只要把第 5 步的fitlm换成fitctree、fitcensemble评估指标从 R² 换成准确率即可。3. data.xlsx 的四个高频翻车现场与排查链路代码给了之后我收到最多的反馈不是模型效果不好而是一运行就报错怎么办。这里我把最常见的问题和排查思路整理成一张表按出现频率排序。报错症状根本原因最快修复Unable to find file or directory当前路径不在 Excel 所在目录用uigetfile弹窗选文件或用绝对路径Cannot concatenate table variable特征列里有文本/逻辑列raw{:, 1:end-1}拼不出数值矩阵只保留数值列或把文本列编码成数值fitlm报错要求 Y 为数值向量最后一列是文本标签如好/坏被读成了 categorical用double()或grp2idx()转换标签模型能跑但指标是 NaN数据里有缺失值某些模型如神经网络不接受 NaN先rmmissing或fillmissing再建模具体排查时我建议按这个链路一步步走不要凭感觉猜第一步disp(raw(1:5, :))看表格长什么样第二步class(raw{:, 1})确认第一列的数据类型第三步varfun(isnumeric, raw)把每一列是不是数值一次性列出来第四步根据结果决定删除文本列还是用double、str2double、grp2idx做类型转换。我举个实际遇到的例子。有个人跑我的核心代码报错Cannot concatenate table variable。他data.xlsx里第二列是设备编号内容是A001, A002, ...。我的处理办法是先把编号从特征里剔除% 删除第2列文本列剩下的再进入建模流程 raw{:, 设备编号} []; % 按列名删 % 或者按位置删 % raw(:, 2) [];如果文本列本身是有序等级比如老化等级 A/B/C可以用grp2idx转成 1、2、3 参与建模如果是无意义的 ID直接删掉最干净。还有一个很隐蔽的坑表头。如果data.xlsx第一行不是变量名而是直接从数据开始的readtable会自动把第一行当成列名导致你的特征矩阵少了一行数据。这种情况要显式告诉它没有表头raw readtable(data.xlsx, ReadVariableNames, false);读进来之后第一列到倒数第二列的处理逻辑不变只是列名会变成Var1, Var2, ...后期操作稍微注意别写错列名就行。4. 从能跑到能比多算法评估与结果交付第 1 章的代码只训练了一个线性回归作为作业和基线足够。但如果你做的是课程设计、毕业设计或者稍微正式一点的项目评审基本都会问一句你有没有对比过其他算法为什么选这个所以这一章我讲怎么在同一份数据上快速比较多个模型以及怎么把结果交付得干干净净。4.1 把评估流程扩展成多算法版本最简单的做法是把第 1 章的代码稍作修改把第 5 到 7 步封装成一个多模型对比脚本。这里我给一个可直接套用的版本它接管了归一化之后的XTrain, yTrain, XTest, yTest%% 多算法对比线性回归 / 回归树 / 集成提升树 / 神经网络 rng(42); modelNames {fitlm, fitrtree, fitrensemble, fitrnet}; predCell cell(1, 4); % 1) 线性回归 mdlLinear fitlm(XTrain, yTrain); predCell{1} predict(mdlLinear, XTest); % 2) 回归树 mdlTree fitrtree(XTrain, yTrain); predCell{2} predict(mdlTree, XTest); % 3) 集成提升树LSBoost100轮 mdlEns fitrensemble(XTrain, yTrain, ... Method, LSBoost, NumLearningCycles, 100); predCell{3} predict(mdlEns, XTest); % 4) 神经网络需要 R2021a if exist(fitrnet, file) mdlNet fitrnet(XTrain, yTrain, LayerSizes, [16 8], Activations, relu); predCell{4} predict(mdlNet, XTest); else predCell{4} nan(size(yTest)); end % 统一输出评估指标 fprintf(%-16s %8s %8s\n, 模型, R², RMSE); for i 1:4 p predCell{i}; if all(isnan(p)) fprintf(%-16s 当前MATLAB版本不支持\n, modelNames{i}); continue; end R2 1 - sum((yTest - p).^2) / sum((yTest - mean(yTest)).^2); RMSE sqrt(mean((yTest - p).^2)); fprintf(%-16s %8.4f %8.4f\n, modelNames{i}, R2, RMSE); endexist(fitrnet, file)这个判断很重要。fitrnet是 R2021a 才引入的老版本根本没有这个函数直接写会被 MATLAB 当成普通变量名解析然后报错。用exist先探一下既保证脚本在任何版本都能跑又能在老版本上优雅地跳过神经网络。4.2 四个模型的选型对照拿到对比结果后怎么判断用哪个我的习惯是看下面这张表模型优势短板典型适用场景fitlm快、可解释、有系数显著性只能表达线性关系基线对比、特征筛选、报告首选fitrtree自动处理非线性、不要求归一化单棵树精度有限、易过拟合数据量中等、想快速看非线性趋势fitrensemble精度高、抗过拟合能力强计算慢、黑箱、较难解释精度优先、数据量几千到几万行fitrnet能拟合复杂非线性需要归一化、小数据易过拟合数据量足够、特征和输出关系复杂我的建议是看结果说话先跑对比脚本如果fitlm和fitrensemble的 R² 差距不到 0.05选线性回归理由是可解释性完胜如果集成树明显高出线性回归一大截说明数据非线性强报告里可以围绕这个差距展开分析这是价值点。4.3 结果导出让交付对象直接看得懂模型评估完之后通常还要把测试集上的预测结果交出去。我一般会导出两个文件%% 导出预测结果和训练好的模型 outTable table(yTest, predCell{3}, ... VariableNames, {Actual, Predicted}); writetable(outTable, 预测结果.xlsx); save(finalModel.mat, mdlEns, mu, sigma);这里有两个经验。第一导出的表格列名建议用英文writetable写中文列名偶尔会在不同版本的 Excel 兼容性上出问题英文名最稳需要中文的话让交付方自己改表头。第二一定要把归一化用的mu和sigma连同模型一起保存。因为模型是在归一化后的数据上训练的以后来了一条新数据必须先用同一套mu和sigma归一化再喂给predict否则预测结果完全失真。这个细节我在很多项目里看到被漏掉部署时才开始返工。4.4 多算法融合和 OOP 架构的思路延伸现在热门的课程设计方向里很多是基于 MATLAB OOP 架构的多算法融合系统。听着唬人其实拆开就三层算法层、融合层、调用层。上面这段对比脚本就是算法层的雏形。融合层最简单可靠的做法是对多个模型的预测值做加权平均权重用验证集上的 RMSE 倒数来定更正规的做法是 Stacking——把各模型的预测值当成新特征再训练一个上层回归器。项目一旦变大脚本会越堆越长这时候建议引入classdef把每个算法封装成一个类classdef BaseModel properties Model Name end methods (Abstract) train(obj, X, y) pred predict(obj, Xnew) end end每个具体模型继承这个基类并实现train和predict融合器则负责组合多个子类对象。这样的设计让新增算法、替换核心、单元验证都变得清晰也是这类课程设计最容易拿高分的骨架。而不管架构多复杂数据入口基本都是我们第 1 章那段readtable raw{:, 1:end-1}的核心代码。5. 一些只有自己跑过才知道的细节代码能跑通之后真正拉开差距的是一些细节习惯。我把自己踩过的坑和经验集中写在这一章你照着做可以少走很多弯路。第一不要用input做变量名。MATLAB 自带的input()是从命令行读取用户输入的函数你把变量命名为input之后这个函数就被你屏蔽了后面想用的时候会报错或者行为诡异。同理data这个名字虽然不冲突但太宽泛不好辨认我更推荐raw、X、y这样的风格。第二clear all这个命令要慎用。很多教程开头写clear all; close all; clc但clear all会把断点、全局变量、Java 对象引用一起清掉调试多轮之后非常不方便。我一般只写clear; close all; clc必要时用clearvars -except mu sigma保留关键变量。第三调试时先埋一句dbstop if error。脚本很长的时候报错信息往往只告诉你第几行出错但原因链可能很复杂。在代码开头写上dbstop if error出错时 MATLAB 会停在出错那一行你可以在命令行直接查看每个变量的当前值整个过程比反复加disp快得多。第四R² 不是万能的。线性模型跑完建议顺手执行一次plot(mdl)它会生成四张诊断图重点是残差图。如果残差明显呈弯曲分布说明线性模型的假设不成立这时候 R² 再高也是假象。非线性模型没有这套自动诊断至少也要画一张预测值对真实值的散点图看它是不是沿着 45 度线分布。第五小数据集不要盲目上神经网络。几百行数据训练fitrnet几乎一定会过拟合训练集美如画测试集稀烂。遇到小数据集优先选fitrensemble里的 Bag 方法它抗过拟合的能力比单棵树强很多。我自己的习惯是每个新项目都从第 1 章那段核心代码起步先拿线性回归摸清数据的底再逐步升级成第 4 章的对比框架最后根据场景决定解释优先还是精度优先。这套流程本身不复杂但每一步都有它存在的理由跑顺了之后不管是课程作业、毕业设计还是工程上的表格建模需求你都能在一间会议室里给出一个漂亮的起点。 
长河君 · 2026/10/8 4:06:09 · 阅读 1.2k MATLAB从Excel读取数据到回归建模：一键跑通完整流程与常见坑
1. 这段核心代码解决的是哪一类问题最近找我聊 MATLAB 的人里好几位都是同一个状态手里有个data.xlsx打开一看几十列第一列到倒数第二列是输入参数最后一列是输出结果任务就是用前面这些列把最后那一列预测出来。标题里那句直接打开 MATLAB新建脚本把这段代码贴进去我太熟悉了因为我带新人也是这么带的——先给一段能跑的完整脚本跑通了再讲为什么最后才谈怎么改。这种特征表 标签列的结构是表格型监督学习最通用的数据组织方式。它不只是出现在课程作业里很多工程场景交付给你的数据也是这么排的设备老化测试记录温度、电流、电压、运行时长做输入剩余寿命做输出、量化策略研究因子列做输入下一期收益做输出、图像特征表格提取好的特征描述子做输入类别标签做输出。数据来源五花八门但落到 Excel 里之后结构完全一样。所以学会处理这种格式等于学会了 MATLAB 里 80% 的表格建模套路。我这里先给你一版可以直接复制运行的核心代码。它做的事情很明确读取 Excel → 分离特征和标签 → 处理缺失值 → 划分训练集测试集 → 归一化 → 训练线性回归基线模型 → 输出 R² 和 RMSE → 画预测对比图。%% 核心代码data.xlsx 数据读取与回归建模通用流程 clear; clc; close all; %% 第1步读取桌面上的 data.xlsx % 方法A如果脚本所在文件夹就是当前目录直接写文件名 % raw readtable(data.xlsx); % 方法B最省事弹窗选文件路径写死不容易错 [file, path] uigetfile(*.xlsx, 请选择 data.xlsx); if isequal(file, 0) error(没有选择文件脚本终止); end raw readtable(fullfile(path, file)); % 快速预览前5行和变量名 disp(数据预览); disp(raw(1:5, :)); disp(变量列表); disp(raw.Properties.VariableNames); %% 第2步分离输入参数与输出结果 % 第一列到倒数第二列是输入参数最后一列是输出结果 X raw{:, 1:end-1}; % 特征矩阵 y raw{:, end}; % 目标向量 %% 第3步缺失值处理直接删除含NaN的行 if any(isnan(X(:))) || any(isnan(y)) fprintf(发现缺失值正在删除含有NaN的行...\n); valid ~any(isnan(X), 2) ~isnan(y); X X(valid, :); y y(valid, :); end %% 第4步训练集/测试集划分先划分再归一化 rng(42); 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, :); % 用训练集的均值/标准差做归一化防止数据泄露 mu mean(XTrain, 1); sigma std(XTrain, 0, 1); sigma(sigma 0) 1; % 防止常数列除零 XTrain (XTrain - mu) ./ sigma; XTest (XTest - mu) ./ sigma; %% 第5步训练模型先用线性回归做基线 mdl fitlm(XTrain, yTrain); pred predict(mdl, XTest); %% 第6步评估 SS_res sum((yTest - pred).^2); SS_tot sum((yTest - mean(yTest)).^2); R2 1 - SS_res / SS_tot; RMSE sqrt(mean((yTest - pred).^2)); fprintf(线性回归基线结果R² %.4fRMSE %.4f\n, R2, RMSE); %% 第7步画图 figure; plot(yTest, pred, o, LineWidth, 1); hold on; plot([min(yTest), max(yTest)], [min(yTest), max(yTest)], r--, LineWidth, 1.5); xlabel(真实值); ylabel(预测值); title(sprintf(预测值与真实值对比 (R²%.4f), R2)); grid on;跑完之后你手里会多三样东西控制台里两个数字R² 和 RMSE一张预测值对真实值的散点图还有一个训练好的线性模型对象mdl。注意cvpartition、fitlm都属于 Statistics and Machine Learning Toolbox没装这个工具箱的话会直接报错。另外fitrnet这类神经网络回归器要 R2021a 之后才有下面第 4 章我会再提。2. 逐行拆解为什么是这个写法而不是别的写法新手最容易犯的错不是模型不会选而是代码差一点就跑不通。这一章我把核心代码里几个关键写法逐个拆开讲清楚每个选择的理由。2.1 读取文件三种方式我建议你用弹窗readtable(data.xlsx)看着最省事但它有个前提MATLAB 当前工作目录必须正好就是data.xlsx所在目录。很多人把脚本和 Excel 都放在桌面然后直接运行报错Unable to find file or directory。原因很常见MATLAB 打开后的当前路径往往是安装目录或上一次保存的位置脚本在桌面不代表当前目录在桌面。我处理这类问题有三个办法从麻烦到省事排列% 方式1先 cd 到桌面要改用户名 cd(C:\Users\你的用户名\Desktop); % 方式2写绝对路径 raw readtable(C:\Users\你的用户名\Desktop\data.xlsx); % 方式3弹窗选文件我最推荐 [file, path] uigetfile(*.xlsx, 请选择 data.xlsx); raw readtable(fullfile(path, file));弹窗方案的优点是文件放哪都行你只需要在弹出窗口里点一下路径交给系统拼接永远不会有手滑打错字的问题。对新手来说这是最不容易翻车的一条路。2.2 raw{:, 1:end-1}表格索引的精确语义readtable读进来的是一个 table 对象不是普通矩阵。table 有两种索引方式raw(:, 1:end-1)出来的还是 table适合继续按列名操作raw{:, 1:end-1}把对应位置的数据掏出来拼成普通数值矩阵适合直接喂给fitlm、fitrtree这类函数。end在 MATLAB 里会自动展开成当前维度的最大索引。1:end-1的意思就是第一列到倒数第二列正好对应题目里第一列到倒数第二列是输入参数这句描述。好处是你完全不需要关心表格一共有多少列每次拿到不同宽度的data.xlsx都是同一段代码。这个写法有个前提被{:, ...}掏出来的所有列必须是同一种类型数值或逻辑。如果中间混了一列文本比如设备编号A001、A002MATLAB 会直接报Cannot concatenate table variable之类的错。怎么快速判断哪些列不能参与建模我在第 3 章会给你一套完整排查链路。2.3 先划分数据集再归一化这是个不能妥协的顺序很多教程会先写X zscore(X)然后再切训练测试集。这在严格意义上是有问题的zscore用的是整个数据集的均值和标准差也就是说测试集的统计信息已经提前混进了训练过程。这叫数据泄露后患是你在测试集上看到的指标会虚高真实部署时模型性能明显下降。理解这件事最好的类比是考试你提前偷看了测试卷的答案再用这套答案反过来衡量自己考得多好分数当然漂亮但到了真正上考场就露馅。正确做法是只从训练集算均值mu和标准差sigma再拿这两个数去归一化训练集和测试集。第 1 章的代码里就是这么写的mu mean(XTrain, 1); sigma std(XTrain, 0, 1); sigma(sigma 0) 1; % 有些列是常数标准差为0除零会得到NaN XTrain (XTrain - mu) ./ sigma; XTest (XTest - mu) ./ sigma;那行sigma(sigma 0) 1是很多人没想到的如果某一列全是同一个值比如所有样本的温度都设成了 25标准差是 0归一化会产生无穷大和 NaN。把它临时改成 1这列数据就会被归一化成全 0模型等于自动忽略了这个无信息列。2.4 为什么先用 fitlm 做基线我见过不少新手一上来就上神经网络结果训练半天、过拟合满天飞、最后报告里连一个能解释的结论都写不出来。线性回归fitlm有四个不可替代的好处快几千行数据瞬间完成、稳几乎没有调参需求、可解释mdl.Coefficients直接给出每个特征的系数和 p 值、自带诊断图直接plot(mdl)就可以看残差分布。更关键的是线性模型的结果本身就是一把尺子。如果线性模型 R² 已经 0.9说明问题很可能是线性可解的你只需要在这个基础上微调如果线性模型 R² 只有 0.3说明数据里存在明显的非线性关系这时候再上树模型或神经网络才有意义。反过来数据明明接近线性你却直接上了复杂模型最后精度没提升多少解释性全丢了报告很难写。另外如果你拿到的是分类问题最后一列是 0/1 标签这整套流程不需要推倒重来只要把第 5 步的fitlm换成fitctree、fitcensemble评估指标从 R² 换成准确率即可。3. data.xlsx 的四个高频翻车现场与排查链路代码给了之后我收到最多的反馈不是模型效果不好而是一运行就报错怎么办。这里我把最常见的问题和排查思路整理成一张表按出现频率排序。报错症状根本原因最快修复Unable to find file or directory当前路径不在 Excel 所在目录用uigetfile弹窗选文件或用绝对路径Cannot concatenate table variable特征列里有文本/逻辑列raw{:, 1:end-1}拼不出数值矩阵只保留数值列或把文本列编码成数值fitlm报错要求 Y 为数值向量最后一列是文本标签如好/坏被读成了 categorical用double()或grp2idx()转换标签模型能跑但指标是 NaN数据里有缺失值某些模型如神经网络不接受 NaN先rmmissing或fillmissing再建模具体排查时我建议按这个链路一步步走不要凭感觉猜第一步disp(raw(1:5, :))看表格长什么样第二步class(raw{:, 1})确认第一列的数据类型第三步varfun(isnumeric, raw)把每一列是不是数值一次性列出来第四步根据结果决定删除文本列还是用double、str2double、grp2idx做类型转换。我举个实际遇到的例子。有个人跑我的核心代码报错Cannot concatenate table variable。他data.xlsx里第二列是设备编号内容是A001, A002, ...。我的处理办法是先把编号从特征里剔除% 删除第2列文本列剩下的再进入建模流程 raw{:, 设备编号} []; % 按列名删 % 或者按位置删 % raw(:, 2) [];如果文本列本身是有序等级比如老化等级 A/B/C可以用grp2idx转成 1、2、3 参与建模如果是无意义的 ID直接删掉最干净。还有一个很隐蔽的坑表头。如果data.xlsx第一行不是变量名而是直接从数据开始的readtable会自动把第一行当成列名导致你的特征矩阵少了一行数据。这种情况要显式告诉它没有表头raw readtable(data.xlsx, ReadVariableNames, false);读进来之后第一列到倒数第二列的处理逻辑不变只是列名会变成Var1, Var2, ...后期操作稍微注意别写错列名就行。4. 从能跑到能比多算法评估与结果交付第 1 章的代码只训练了一个线性回归作为作业和基线足够。但如果你做的是课程设计、毕业设计或者稍微正式一点的项目评审基本都会问一句你有没有对比过其他算法为什么选这个所以这一章我讲怎么在同一份数据上快速比较多个模型以及怎么把结果交付得干干净净。4.1 把评估流程扩展成多算法版本最简单的做法是把第 1 章的代码稍作修改把第 5 到 7 步封装成一个多模型对比脚本。这里我给一个可直接套用的版本它接管了归一化之后的XTrain, yTrain, XTest, yTest%% 多算法对比线性回归 / 回归树 / 集成提升树 / 神经网络 rng(42); modelNames {fitlm, fitrtree, fitrensemble, fitrnet}; predCell cell(1, 4); % 1) 线性回归 mdlLinear fitlm(XTrain, yTrain); predCell{1} predict(mdlLinear, XTest); % 2) 回归树 mdlTree fitrtree(XTrain, yTrain); predCell{2} predict(mdlTree, XTest); % 3) 集成提升树LSBoost100轮 mdlEns fitrensemble(XTrain, yTrain, ... Method, LSBoost, NumLearningCycles, 100); predCell{3} predict(mdlEns, XTest); % 4) 神经网络需要 R2021a if exist(fitrnet, file) mdlNet fitrnet(XTrain, yTrain, LayerSizes, [16 8], Activations, relu); predCell{4} predict(mdlNet, XTest); else predCell{4} nan(size(yTest)); end % 统一输出评估指标 fprintf(%-16s %8s %8s\n, 模型, R², RMSE); for i 1:4 p predCell{i}; if all(isnan(p)) fprintf(%-16s 当前MATLAB版本不支持\n, modelNames{i}); continue; end R2 1 - sum((yTest - p).^2) / sum((yTest - mean(yTest)).^2); RMSE sqrt(mean((yTest - p).^2)); fprintf(%-16s %8.4f %8.4f\n, modelNames{i}, R2, RMSE); endexist(fitrnet, file)这个判断很重要。fitrnet是 R2021a 才引入的老版本根本没有这个函数直接写会被 MATLAB 当成普通变量名解析然后报错。用exist先探一下既保证脚本在任何版本都能跑又能在老版本上优雅地跳过神经网络。4.2 四个模型的选型对照拿到对比结果后怎么判断用哪个我的习惯是看下面这张表模型优势短板典型适用场景fitlm快、可解释、有系数显著性只能表达线性关系基线对比、特征筛选、报告首选fitrtree自动处理非线性、不要求归一化单棵树精度有限、易过拟合数据量中等、想快速看非线性趋势fitrensemble精度高、抗过拟合能力强计算慢、黑箱、较难解释精度优先、数据量几千到几万行fitrnet能拟合复杂非线性需要归一化、小数据易过拟合数据量足够、特征和输出关系复杂我的建议是看结果说话先跑对比脚本如果fitlm和fitrensemble的 R² 差距不到 0.05选线性回归理由是可解释性完胜如果集成树明显高出线性回归一大截说明数据非线性强报告里可以围绕这个差距展开分析这是价值点。4.3 结果导出让交付对象直接看得懂模型评估完之后通常还要把测试集上的预测结果交出去。我一般会导出两个文件%% 导出预测结果和训练好的模型 outTable table(yTest, predCell{3}, ... VariableNames, {Actual, Predicted}); writetable(outTable, 预测结果.xlsx); save(finalModel.mat, mdlEns, mu, sigma);这里有两个经验。第一导出的表格列名建议用英文writetable写中文列名偶尔会在不同版本的 Excel 兼容性上出问题英文名最稳需要中文的话让交付方自己改表头。第二一定要把归一化用的mu和sigma连同模型一起保存。因为模型是在归一化后的数据上训练的以后来了一条新数据必须先用同一套mu和sigma归一化再喂给predict否则预测结果完全失真。这个细节我在很多项目里看到被漏掉部署时才开始返工。4.4 多算法融合和 OOP 架构的思路延伸现在热门的课程设计方向里很多是基于 MATLAB OOP 架构的多算法融合系统。听着唬人其实拆开就三层算法层、融合层、调用层。上面这段对比脚本就是算法层的雏形。融合层最简单可靠的做法是对多个模型的预测值做加权平均权重用验证集上的 RMSE 倒数来定更正规的做法是 Stacking——把各模型的预测值当成新特征再训练一个上层回归器。项目一旦变大脚本会越堆越长这时候建议引入classdef把每个算法封装成一个类classdef BaseModel properties Model Name end methods (Abstract) train(obj, X, y) pred predict(obj, Xnew) end end每个具体模型继承这个基类并实现train和predict融合器则负责组合多个子类对象。这样的设计让新增算法、替换核心、单元验证都变得清晰也是这类课程设计最容易拿高分的骨架。而不管架构多复杂数据入口基本都是我们第 1 章那段readtable raw{:, 1:end-1}的核心代码。5. 一些只有自己跑过才知道的细节代码能跑通之后真正拉开差距的是一些细节习惯。我把自己踩过的坑和经验集中写在这一章你照着做可以少走很多弯路。第一不要用input做变量名。MATLAB 自带的input()是从命令行读取用户输入的函数你把变量命名为input之后这个函数就被你屏蔽了后面想用的时候会报错或者行为诡异。同理data这个名字虽然不冲突但太宽泛不好辨认我更推荐raw、X、y这样的风格。第二clear all这个命令要慎用。很多教程开头写clear all; close all; clc但clear all会把断点、全局变量、Java 对象引用一起清掉调试多轮之后非常不方便。我一般只写clear; close all; clc必要时用clearvars -except mu sigma保留关键变量。第三调试时先埋一句dbstop if error。脚本很长的时候报错信息往往只告诉你第几行出错但原因链可能很复杂。在代码开头写上dbstop if error出错时 MATLAB 会停在出错那一行你可以在命令行直接查看每个变量的当前值整个过程比反复加disp快得多。第四R² 不是万能的。线性模型跑完建议顺手执行一次plot(mdl)它会生成四张诊断图重点是残差图。如果残差明显呈弯曲分布说明线性模型的假设不成立这时候 R² 再高也是假象。非线性模型没有这套自动诊断至少也要画一张预测值对真实值的散点图看它是不是沿着 45 度线分布。第五小数据集不要盲目上神经网络。几百行数据训练fitrnet几乎一定会过拟合训练集美如画测试集稀烂。遇到小数据集优先选fitrensemble里的 Bag 方法它抗过拟合的能力比单棵树强很多。我自己的习惯是每个新项目都从第 1 章那段核心代码起步先拿线性回归摸清数据的底再逐步升级成第 4 章的对比框架最后根据场景决定解释优先还是精度优先。这套流程本身不复杂但每一步都有它存在的理由跑顺了之后不管是课程作业、毕业设计还是工程上的表格建模需求你都能在一间会议室里给出一个漂亮的起点。