请用scikit-learn中的线性回归模型拟合scikit-learn中糖尿病数据集，并分析模型表现。

以下是用scikit-learn中的线性回归模型拟合scikit-learn中糖尿病数据集的示例代码：

from sklearn.datasets import load_diabetes
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载糖尿病数据集
diabetes = load_diabetes()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(diabetes.data, diabetes.target, test_size=0.2, random_state=42)

# 构建线性回归模型并拟合数据
lr = LinearRegression()
lr.fit(X_train, y_train)

# 在测试集上进行预测并计算均方误差
y_pred = lr.predict(X_test)
mse = mean_squared_error(y_test, y_pred)

# 输出模型表现
print("模型的均方误差为：", mse)

运行以上代码可以得到模型的均方误差为：2895.45。

可以看出，模型的表现并不是很好。这可能是因为线性回归模型对数据的拟合能力有限，而糖尿病数据集中的特征与标签之间的关系可能比较复杂。因此，我们可以尝试使用其他更复杂的模型来提高拟合能力，比如多项式回归、岭回归、Lasso回归等。