色泽 根蒂 敲声 纹理 脐部 触感 好瓜 青绿 蜷缩 浊响 清晰 凹陷 碍滑 是 乌黑 蜷缩 沉闷 清晰 凹陷 碍滑 是 乌黑 蜷缩 浊响 清晰 凹陷 碍滑 是 青绿 蜷缩 沉闷 清晰 凹陷 碍滑 是 浅白 蜷缩 浊响 清晰 凹陷 碍滑 是 青绿 稍蜷 浊响 清晰 稍凹 软粘 是 乌黑 稍蜷 浊响 稍糊 稍凹 软粘 是 乌黑 稍蜷 浊响 清晰 稍凹 硬滑 是 乌黑 稍蜷 沉闷 稍糊 稍凹 硬滑 否 青绿 硬挺 清脆 清晰 平坦 软粘 否 浅白 硬挺 清脆 模糊 平坦 硬滑 否 浅白 蜷缩 浊响 模糊 平坦 软粘 否 青绿 稍蜷 浊响 稍糊 凹陷 硬滑 否 浅白 稍蜷 沉闷 稍糊 凹陷 硬滑 否 乌黑 稍蜷 浊响 清晰 稍凹 软粘 否 浅白 蜷缩 浊响 模糊 平坦 硬滑 否 青绿 蜷缩 沉闷 稍糊 稍凹 硬滑 否

好的，以下是一个简单的 MATLAB 程序，可以读取西瓜数据集并进行可视化：

% 读取数据
data = readmatrix('watermelon.csv');
X = data(:, 1:end-1);    % 特征矩阵
y = data(:, end);        % 标签向量

% 可视化数据
figure;
gscatter(X(:,1), X(:,2), y, 'grb', 'o', 8);
xlabel('色泽');
ylabel('根蒂');
legend('好瓜', '坏瓜');
title('水果分类');

% 分类模型训练
model = fitcsvm(X, y);

这个程序假设数据集存储在名为 `watermelon.csv` 的 CSV 文件中，第一列到倒数第二列是特征，最后一列是标签。程序首先读取数据，然后使用 `gscatter` 函数将数据可视化。最后，使用 `fitcsvm` 函数训练一个支持向量机分类模型。