通过数据集和matlab建立数学模型示例代码

以下是一个示例代码，展示如何使用数据集和MATLAB建立线性回归模型：

% 导入数据集
data = readmatrix('data.csv'); % 假设数据集保存在名为data.csv的文件中

% 数据预处理
X = data(:, 1:end-1); % 特征变量
y = data(:, end); % 响应变量

% 拆分数据集为训练集和测试集
train_ratio = 0.8; % 训练集所占比例
train_size = round(train_ratio * size(data, 1));
train_X = X(1:train_size, :);
train_y = y(1:train_size);
test_X = X(train_size+1:end, :);
test_y = y(train_size+1:end);

% 建立线性回归模型
model = fitlm(train_X, train_y);

% 模型评估
train_pred = predict(model, train_X);
train_mse = mean((train_pred - train_y).^2);
test_pred = predict(model, test_X);
test_mse = mean((test_pred - test_y).^2);

% 输出结果
disp(['训练集均方误差 (MSE): ', num2str(train_mse)]);
disp(['测试集均方误差 (MSE): ', num2str(test_mse)]);

请注意，这只是一个简单的线性回归模型示例，实际情况可能需要根据具体问题进行修改和扩展。此外，在使用MATLAB建立数学模型时，还可以使用其他工具箱和函数来处理不同类型的问题，如分类、聚类、时间序列分析等。根据具体需求，可以灵活调整代码来适应不同的数据集和模型建立要求。