帮我写一下matalab代码，多层感知机神经网络的预测模型

好的，以下是一个简单的多层感知机神经网络预测模型的代码示例：

% 加载数据集
load('data.mat');

% 划分训练集和测试集
train_ratio = 0.7;
train_size = floor(train_ratio * size(data, 1));
train_data = data(1:train_size, :);
test_data = data(train_size+1:end, :);

% 设置神经网络参数
input_size = size(data, 2) - 1; % 输入层大小
hidden_size = 10; % 隐藏层大小
output_size = 1; % 输出层大小
learning_rate = 0.1; % 学习率
epoch = 100; % 迭代次数

% 初始化权重
W1 = randn(input_size, hidden_size);
W2 = randn(hidden_size, output_size);

% 训练神经网络
for i = 1:epoch
    % 随机打乱训练集顺序
    train_data = train_data(randperm(size(train_data, 1)), :);
    for j = 1:size(train_data, 1)
        % 前向传播
        X = train_data(j, 1:input_size)';
        y = train_data(j, input_size+1)';
        z1 = W1' * X;
        a1 = tanh(z1);
        z2 = W2' * a1;
        a2 = z2;

        % 反向传播
        delta2 = a2 - y;
        delta1 = (1 - a1.^2) .* (W2 * delta2);
        dW2 = -learning_rate * delta2 * a1';
        dW1 = -learning_rate * delta1 * X';
        W2 = W2 + dW2;
        W1 = W1 + dW1;
    end
end

% 测试模型
X = test_data(:, 1:input_size)';
y = test_data(:, input_size+1)';
z1 = W1' * X;
a1 = tanh(z1);
z2 = W2' * a1;
a2 = z2;
pred_y = a2;

% 计算均方误差
mse = mean((pred_y - y).^2);
disp(['MSE: ', num2str(mse)]);

需要注意的是，此处的数据集为一个二元回归问题，最后的均方误差用于评估模型的性能。如果你使用的是不同的数据集或任务，需要根据具体情况进行调整。