在数学建模中，特征提取是一个重要的步骤，它涉及从原始数据集中选择和提取出对模型预测性能有重要影响的特征。
特征提取
特征提取的方法取决于你的数据类型和建模目标。以下是一些常见的特征提取方法：
统计特征：计算数据的均值、中位数、众数、标准差、偏度、峰度等统计量。
变换特征：使用傅里叶变换、小波变换等提取频域特征。
主成分分析（PCA）：降低数据维度，同时保留主要的信息。
特征选择：选择与目标变量最相关的特征。
在MATLAB中，你可以使用内置的函数或者自定义函数来进行特征提取。例如，使用mean、std等函数计算统计特征，使用pca函数进行主成分分析。
数据可视化
MATLAB提供了丰富的数据可视化工具，可以帮助你以图表的形式展示数据。以下是一些常用的可视化方法：
散点图（Scatter Plot）：展示两个变量之间的关系。
直方图（Histogram）：展示数据的分布。
箱线图（Box Plot）：展示数据的分布、中位数、四分位数等信息。
热力图（Heatmap）：展示多个变量之间的关系。
3D图：对于三维数据，可以使用3D散点图、3D曲面图等。
