如何用MATLAB编写一个基本的数学预测模型（如线性回归或时间序列分析）的代码示例？

在MATLAB中，创建一个基本的线性回归模型可以使用内置函数`fitlm`。这里是一个简单的例子：

% 导入数据集（假设我们有一个名为'data.csv'的数据文件）
data = readtable('data.csv');

% 假设'x'列是自变量，'y'列是因变量
X = data(:, 'x');
Y = data(:, 'y');

% 创建线性回归模型
model = fitlm(X, Y);

% 查看模型摘要信息
disp(model)

% 预测新的数据点
new_X = [10; 20]; % 新的自变量值
predicted_Y = predict(model, new_X); % 预测对应的结果

% 可视化原始数据和预测结果
scatter(X, Y, '.');
hold on;
plot(new_X, predicted_Y, 'r', 'LineWidth', 2);
xlabel('自变量 x');
ylabel('因变量 y');
title('线性回归模型');

对于时间序列分析，例如ARIMA模型，你可以使用`arima`函数：

% 假设'time_series'是时间序列数据
time_series = ts(data.y);

% 使用AIC或BIC选择合适的模型阶数（p,d,q）
[mdl, ~] = arima(time_series, 'ARLags', 1:5, 'D', 1, 'QLags', 1:5, 'Display', 'off'); % 例如AR(1), differencing order d=1, MA(1) model

% 拟合模型并查看结果
results = estimate(mdl, time_series);
disp(results)

% 预测未来若干步
forecast = forecast(results, 10);