目錄

一、數(shù)據(jù)的獲取

1.1 從Excel中獲取

使用readtable()

使用xlsread()——xlswrite()

1.2? 從TXT中獲取

使用load()

使用textread()

使用fopen() fread() fclose()?

使用fprintf()寫入信息到txt

?1.3?從圖片中獲取

使用imread?

1.4 從視頻獲取?

使用視覺工具箱中的VideoFileReader?

二、數(shù)據(jù)的預(yù)處理

2.1 缺失值處理

2.2 噪聲過濾

2.3 數(shù)據(jù)集成

2.4 數(shù)據(jù)歸約

2.5?數(shù)據(jù)變換

1、標(biāo)準(zhǔn)化

2、離散化

3、語義轉(zhuǎn)換

三、 數(shù)據(jù)的統(tǒng)計(jì)

3.1?基本描述性統(tǒng)計(jì)

1、表示位置的統(tǒng)計(jì)量：算數(shù)平均值（均值）、中位數(shù)

2、表示數(shù)據(jù)散度的統(tǒng)計(jì)量：標(biāo)準(zhǔn)差、方差、極差

3、表示分布形狀的統(tǒng)計(jì)量：偏度和峰度

3.2?分布描述性統(tǒng)計(jì)

?四、數(shù)據(jù)可視化

4.1 基本可視化

4.2?數(shù)據(jù)分布形狀可視化

4.3?數(shù)據(jù)關(guān)聯(lián)可視化

4.4?數(shù)據(jù)分組可視化

?五、數(shù)據(jù)降維

數(shù)據(jù)的準(zhǔn)備是數(shù)學(xué)建模的基礎(chǔ)，主要介紹數(shù)據(jù)的獲取、預(yù)處理、統(tǒng)計(jì)、可視化及降維。

一、數(shù)據(jù)的獲取

1.1 從Excel中獲取

使用readtable()

例1：使用spreadsheetImportOptions（Name,Value）初步確定導(dǎo)入信息，再用opts.Name=Value的格式添加。

%    工作簿: C:\Users\Hao\Desktop\程序_MATLAB數(shù)學(xué)建模方法與實(shí)踐_卓金武等\Cha2\sz000004.xls
%    工作表: Sheet1

%% 設(shè)置導(dǎo)入選項(xiàng)并導(dǎo)入數(shù)據(jù)
opts = spreadsheetImportOptions("NumVariables", 8);%變量數(shù)8
%spreadsheetImportOptions允許指定 MATLAB? 如何從電子表格文件中導(dǎo)入表格數(shù)據(jù)

% 指定工作表和范圍
opts.Sheet = "Sheet1";
opts.DataRange = "A1:H45";

% 指定列名稱和類型
opts.VariableNames = ["Date", "DateNum", "Popen", "Phigh", "Plow", "Pclose", "Volum", "Turn"];
opts.VariableTypes = ["double", "double", "double", "double", "double", "double", "double", "double"];

% 導(dǎo)入數(shù)據(jù)
sz000004 = readtable("C:\Users\Hao\Desktop\程序_MATLAB數(shù)學(xué)建模方法與實(shí)踐_卓金武等\Cha2\sz000004.xls", opts, "UseExcel", false);


%% 清除臨時(shí)變量
clear opts

?例2：先初始化spreadsheetImportOptions對(duì)象，再用opts.Name=Value的格式逐個(gè)添加。

% 初始化 SpreadsheetImportOptions 對(duì)象
opts = spreadsheetImportOptions; 

% 指定變量名稱
opts.VariableNames = 'LastName';

% 變量類型
opts.VariableTypes = 'categorical';

% 數(shù)據(jù)起始單元格
opts.DataRange = 'A2';

% 使用導(dǎo)入選項(xiàng)預(yù)覽文件中的八行數(shù)據(jù)
preview('patients.xls',opts)
oneVar = readtable('patients.xls',opts);
% 列出變量及大小和類型
whos oneVar

??例3：將導(dǎo)入信息存到變量里，再使用spreadsheetImportOptions（Name,Value）添加導(dǎo)入信息。

% 變量數(shù)
numVars = 7;
% 變量名稱
varNames = {'LastName','Gender','Age','Location','Height','Weight','Smoker'} ;
% 變量類型
varTypes = {'char','categorical','int32','char','double','double','logical'} ;
% 數(shù)據(jù)起始單元格
dataStartLoc = 'A2';

% 使用 spreadsheetImportOptions 函數(shù)和變量信息初始化導(dǎo)入選項(xiàng)對(duì)象 opts
opts = spreadsheetImportOptions('NumVariables',numVars,...
                                'VariableNames',varNames,...
                                'VariableTypes',varTypes,...
                                'DataRange', dataStartLoc); 

% 使用導(dǎo)入選項(xiàng)預(yù)覽文件中的八行數(shù)據(jù)
preview('patients.xls',opts)
% 使用 readtable 導(dǎo)入數(shù)據(jù)
T = readtable('patients.xls',opts);
% 列出變量及大小和類型
whos T

注：readtable?僅支持下列名稱-值對(duì)組：

1. 文本和電子表格參數(shù) -?ReadVariableNames、ReadRowNames

2. 僅文本參數(shù) -?DateLocale、Encoding

3. 僅電子表格參數(shù) -?Sheet、UseExcel

使用xlsread()——xlswrite()

a=xlsread('C:\Coporation_evaluation.xlsx',2,'A2:I16')

• 'C:\Coporation_evaluation.xlsx'?表示讀入Excel數(shù)據(jù)所在位置
• 2?表示位于sheet2
• 'A2:I16'?表示讀入的數(shù)據(jù)范圍

a=xlswrite('C:\Coporation_evaluation.xlsx',a,3,'B1:C5')

• 'C:\Coporation_evaluation.xlsx'?表示寫入Excel工作簿所在位置，若不存在會(huì)自動(dòng)創(chuàng)建
• a?表示待寫入的數(shù)據(jù)
• 3?表示sheet3
• 'B1:C5'?表示寫入Excel中的的具體位置

1.2? 從TXT中獲取

使用load()

% 生成線性間距向量，返回包含 1 和 30 之間的 8（默認(rèn)100）個(gè)等間距點(diǎn)的行向量
a=linspace(1,30,8);
save d:\exper.txt a -ascii;
b=load('d:\exper.txt')

• ?save d:\exper.txt a -ascii;?把a(bǔ)以ASCII碼的形式存儲(chǔ)在D盤的exper.txt中，若不存在會(huì)自動(dòng)創(chuàng)建
• b=load('d:\exper.txt')?讀取'd:\exper.txt'中的數(shù)據(jù)，并儲(chǔ)存在變量b中

使用textread()

[A,B,C,...]=textread('filename','format',N,'headerlines',M)

• ?filename?表示txt文件名稱
• format?表示所讀取變量的字段格式
• N?表示讀取的次數(shù)
• headerlines 表示從第M+1行開始讀取

[name,type,x,y,answer]=textread('D:t.txt','%s Type%d %f %n %s',2,...
                                'headerlines',1)
% 格式Type%d只顯示%d,因?yàn)樵瓟?shù)據(jù)為Type1,Type2,Type3,Type4

使用fopen() fread() fclose()?

例：讀取.m文件中的字符（讀取txt文件也可以）

% 用函數(shù)fopen打開文件，r代表只讀形式打開，w代表寫入形式打開，a代表在文件末尾添加內(nèi)容
fid=fopen('D:\CRM4.m','r');
% 以字符形式讀取整個(gè)文本
var=fread(fid,'*char');
% 將中文字段轉(zhuǎn)換為相應(yīng)的2字節(jié)代碼，否則輸出可能會(huì)亂碼
var=native2unicode(var)
fclose(fid)

使用fprintf()寫入信息到txt

fprintf('file','format',a1，a2...)

• ?file?表示文件路徑
• format?表示數(shù)據(jù)寫入類型
• a?表示要寫入的數(shù)據(jù)內(nèi)容

例：理解%m.nf數(shù)據(jù)類型

% 打開文件
file_h=fopen('C:\Users\Hao\Desktop\程序_MATLAB數(shù)學(xué)建模方法與實(shí)踐_卓金武等\Cha3\math114.txt','w')

fprintf(file_h,'%6.2f %12.8f',3.14,2.718);
%寬度為6，不足左端空格補(bǔ)全，小數(shù)點(diǎn)后2位；寬度為12，不足左端空格補(bǔ)全，小數(shù)點(diǎn)后8位
%%6.2f %12.8f之間的空格也作數(shù)
%小數(shù)點(diǎn)也占位

fprintf(file_h,'\n%6f%12f',3.14,-2.718);
%小數(shù)點(diǎn)默認(rèn)6位，實(shí)際寬度大于規(guī)定寬度6；寬度12，小數(shù)點(diǎn)默認(rèn)6位
%負(fù)號(hào)也占位

fprintf(file_h,'\n%.2f%.8f',3.14,-2.718);

fclose(file_h)

?運(yùn)行結(jié)果：

?

?1.3?從圖片中獲取

使用imread?

%% 讀取圖片
clc, clear, close all
a1=imread('000.bmp');
% 獲得像素矩陣行數(shù)列數(shù)
[m,n]=size(a1);

%% 批量讀取圖片
dirname = 'ImageChips'; % 'ImageChips'文件夾

files = dir(fullfile(dirname, '*.bmp'));
%% fuiifile用法
% f = fullfile('myfolder','mysubfolder','myfile.m')
% f = 'myfolder/mysubfolder/myfile.m'
%% dir用法
% dir name 列出與 name 匹配的文件和文件夾。如果 name 為文件夾，dir 列出該文件夾的內(nèi)容。使用絕對(duì)
% 或相對(duì)路徑名稱指定 name。name 參數(shù)的文件名可以包含 * 通配符，路徑名稱可以包含 * 和 ** 通配符。 
% 與** 通配符相鄰的字符必須為文件分隔符。

a=zeros(m,n,19); % 創(chuàng)建全零數(shù)組19個(gè)m*n數(shù)組，共19張圖片
pic=[];
for ii = 1:length(files)
  filename = fullfile(dirname, files(ii).name);
  a(:,:,ii)=imread(filename); % 將該圖片信息讀取到a的第ii個(gè)數(shù)組里
  pic=[pic,a(:,:,ii)]; % 拼接圖像
end
double(pic);
figure
imshow(pic,[])
% imshow(I,[low high]) 顯示灰度圖像 I，以二元素向量 [low high] 形式指定顯示范圍
% 若為[]，使用 [min(I(:)) max(I(:))] 的顯示范圍。換句話說，I 中的最小值是黑色，最大值是白色

1.4 從視頻獲取?

使用視覺工具箱中的VideoFileReader?

%% 讀取視頻數(shù)據(jù)
% 從視頻文件中讀取視頻幀、圖像和音頻樣本
videoFReader = vision.VideoFileReader('vippedtracking.mp4');
% 播放視頻文件
videoPlayer = vision.VideoPlayer;
while ~isDone(videoFReader)
% 當(dāng)來自有限數(shù)據(jù)源的數(shù)據(jù)取完時(shí)（通常是因?yàn)橐炎x取所有數(shù)據(jù)），isDone(obj)返回true
% ~邏輯非
  videoFrame = step(videoFReader); % 運(yùn)行videoFReader算法，返回輸出參數(shù)
  step(videoPlayer, videoFrame); % 對(duì)videoFrame運(yùn)行videoPlayer算法
end
release(videoPlayer); %釋放資源

%% 設(shè)置播放方式
% 重置播放器
reset(videoFReader) % 將圖形對(duì)象屬性重置為其默認(rèn)值
% 增加播放器的尺寸
r = groot; % r = groot 用于存儲(chǔ)圖形根對(duì)象的句柄。要使用圓點(diǎn)表示法設(shè)置根屬性，首先必須存儲(chǔ)句柄
scrPos = r.ScreenSize;
%  Size/position is always a 4-element vector: [x0 y0 dx dy]
dx = scrPos(3); dy = scrPos(4);
videoPlayer = vision.VideoPlayer('Position',[dx/8, dy/8, dx*(3/4), dy*(3/4)]);
% 指定左下角和右上角的坐標(biāo)
while ~isDone(videoFReader)
  videoFrame = step(videoFReader);
  step(videoPlayer, videoFrame);
end
release(videoPlayer);
reset(videoFReader)

%% 獲取視頻中的圖像
videoFrame = step(videoFReader);
n = 0;
while n~=15
  videoFrame = step(videoFReader);
  n = n+1;
end
figure, imshow(videoFrame) % 獲得第15張圖像
release(videoPlayer);

二、數(shù)據(jù)的預(yù)處理

數(shù)據(jù)質(zhì)量三要素：準(zhǔn)確性、完整性、一致性（格式不一致等）

兩個(gè)影響因素：可信性（多少是用戶信賴的）、可解釋性 （是否容易理解）

2.1 缺失值處理

1、刪除法

2、插補(bǔ)法（以最可能的值來插補(bǔ)缺失值）

均值插補(bǔ)：定距型用平均值，不定距型用眾數(shù)，分布規(guī)律規(guī)范用中值

回歸插補(bǔ)：利用線性或非線性回歸技術(shù)

極大似然估計(jì)：當(dāng)缺失類型為隨機(jī)缺失，通過觀測(cè)數(shù)據(jù)邊際分布對(duì)未知參數(shù)進(jìn)行估計(jì)

2.2 噪聲過濾

1、回歸法

用一個(gè)函數(shù)擬合數(shù)據(jù)來光滑數(shù)據(jù)，通常先對(duì)數(shù)據(jù)進(jìn)行可視化，判斷數(shù)據(jù)趨勢(shì)及規(guī)律，再確定是否可以用回歸法去噪。

2、均值平滑法

對(duì)于具有序列特征的變量用鄰近的若干數(shù)據(jù)的均值來替換原始數(shù)據(jù)的方法。

3、利群點(diǎn)分析法

通過聚類等方法來檢測(cè)離群點(diǎn)，并將其刪除。

4、小波過濾法（小波去噪）

本質(zhì)是一個(gè)函數(shù)逼近問題，即尋找從實(shí)際信號(hào)空間到小波函數(shù)空間的最佳映射。

2.3 數(shù)據(jù)集成

將若干個(gè)分散的數(shù)據(jù)源中的數(shù)據(jù)，邏輯地或物理地集成到一個(gè)統(tǒng)一的數(shù)據(jù)集合中。

對(duì)于數(shù)據(jù)表的集成，主要有內(nèi)接（理解為交集）和外接（理解為并集）兩種方式。

2.4 數(shù)據(jù)歸約

目的是得到能夠與原始數(shù)據(jù)集近似等效甚至比其更好但數(shù)據(jù)量卻較少的數(shù)據(jù)集。

2.5?數(shù)據(jù)變換

將數(shù)據(jù)從一種表示形式變?yōu)榱硪环N表現(xiàn)形式的過程。

1、標(biāo)準(zhǔn)化

將數(shù)據(jù)按比例縮放，使之落入一個(gè)小的特定區(qū)間。便于不同單位或量級(jí)的指標(biāo)能夠進(jìn)行比較和加權(quán)。

（1）0-1標(biāo)準(zhǔn)化（離差標(biāo)準(zhǔn)化）

? ? ? ? ??

? ? ? ? ? 當(dāng)有數(shù)據(jù)加入時(shí)，需要重新定義。

（2）z標(biāo)準(zhǔn)化（標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化）

? ? ? ? ??

? ? ? ? ? 經(jīng)過處理的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布。

2、離散化

指把連續(xù)型數(shù)據(jù)切分成若干“段”，也稱bin。

作用：算法需要；有效克服數(shù)據(jù)中隱藏的缺陷，使模型結(jié)果更加穩(wěn)定；有利于對(duì)非線性關(guān)系進(jìn)行診斷和描述。

3、語義轉(zhuǎn)換

如：用｛1 2 3 4｝代替｛非常好?好?一般?差｝。

三、 數(shù)據(jù)的統(tǒng)計(jì)

概念：總體、個(gè)體、樣本、樣本容量

任務(wù)：由樣本推斷總體

3.1?基本描述性統(tǒng)計(jì)

1、表示位置的統(tǒng)計(jì)量：算數(shù)平均值（均值）、中位數(shù)

mean(x)返回均值，median(x)返回中位數(shù)

2、表示數(shù)據(jù)散度的統(tǒng)計(jì)量：標(biāo)準(zhǔn)差、方差、極差

標(biāo)準(zhǔn)差：

注：上式為樣本標(biāo)準(zhǔn)差公式，n-1是為了滿足無偏估計(jì)的要求，總體標(biāo)準(zhǔn)差公式n-1換為n。

方差：標(biāo)準(zhǔn)差的平方。

極差：最大值與最小值之差。

3、表示分布形狀的統(tǒng)計(jì)量：偏度和峰度

偏度：反映分布的對(duì)稱性，>0為右偏態(tài)，此時(shí)右邊數(shù)據(jù)比左邊數(shù)據(jù)多，<0左偏態(tài)，情況相反，接近0，分布對(duì)稱。

峰度：正態(tài)分布峰度為3，若比3大得多，表示樣本中有較多遠(yuǎn)離均值的數(shù)據(jù)。

skewness(x)返回偏度，kurtosis(x)返回峰度

3.2?分布描述性統(tǒng)計(jì)

• 隨機(jī)變量的特性完全由其（概率）分布函數(shù)或密度函數(shù)來描述。
• 分位數(shù)：對(duì)于0<<1，使某分布函數(shù)F(x)=的x成為這個(gè)分布的的分位數(shù)，記作。
• 直方圖可以看作密度函數(shù)圖形的（離散化）近似。

?四、數(shù)據(jù)可視化

4.1 基本可視化

先用最基本的繪圖命令plot繪制各變量分布趨勢(shì)。

代碼如下：

% 數(shù)據(jù)可視化——基本繪圖
% 讀取數(shù)據(jù)
clc, clear al, close all
X=xlsread('dataTableA2.xlsx');

% 繪制變量dv1的基本分布
N=size(X,1); % 返回X第1個(gè)維度的長度
id=1:N;
figure
plot( id', X(:,2),'LineWidth',1) % 表示 id'的轉(zhuǎn)置矩陣
set(gca,'linewidth',2); 
% set(H,Name,Value) 為 H 標(biāo)識(shí)的對(duì)象指定其 Name 屬性的值
% gca表示當(dāng)前坐標(biāo)范圍，即設(shè)置圖框的線寬
xlabel('編號(hào)','fontsize',12); % 'fontsize'為設(shè)置字體大小
ylabel('dv1', 'fontsize',12);
title('變量dv1分布圖','fontsize',12);

運(yùn)行結(jié)果：

?

4.2?數(shù)據(jù)分布形狀可視化

分析數(shù)據(jù)分布特征，繪制柱狀分布圖。

代碼如下：

% 同時(shí)繪制變量dv1-dv4的柱狀分布圖
figure
subplot(2,2,1);
% 在當(dāng)前窗劃分2*2網(wǎng)格，1代表第一行第一列，2第一行第二列，3第二行第一列...
hist(X(:,2)); % 繪制直方圖，建議使用histogram
title('dv1柱狀分布圖','fontsize',12)

subplot(2,2,2);
hist(X(:,3));
title('dv2柱狀分布圖','fontsize',12)

subplot(2,2,3);
hist(X(:,4));
title('dv3柱狀分布圖','fontsize',12)

subplot(2,2,4);
hist(X(:,5));
title('dv4柱狀分布圖','fontsize',12)

運(yùn)行結(jié)果：

?

?下面將常用的統(tǒng)計(jì)量繪制在分布圖中。

代碼如下：

% 數(shù)據(jù)可視化——數(shù)據(jù)分布形狀圖
% 讀取數(shù)據(jù)
clc, clear al, close all
X=xlsread('dataTableA2.xlsx');
dv1=X(:,2);

% 繪制變量dv1的柱狀分布圖
h = -5:0.5:5;
n=hist(dv1,h); % 得到包含20個(gè)元素的列表，表示頻數(shù)
figure
bar(h, n) % 繪制條形圖
%相當(dāng)于將小于-5和大于5的少量數(shù)據(jù)舍去

% 計(jì)算常用的形狀度量指標(biāo)
mn = mean(dv1); % 均值
sdev = std(dv1); % 標(biāo)準(zhǔn)差
mdsprd = iqr(dv1); % 四分位數(shù)Q=Q3-Q1
mnad = mad(dv1); % 中位數(shù)
rng = range(dv1); % 極差

% 標(biāo)識(shí)度量數(shù)值
x = round(quantile(dv1,[0.25,0.5,0.75])); % 四分位數(shù)3個(gè)點(diǎn)
% quantile返回分位數(shù)，round（x,n）四舍五入，n表示圓整幾位，若n為負(fù)數(shù)，向右補(bǔ)零
y = (n(h==x(1)) + n(h==x(3)))/2; % (Q1對(duì)應(yīng)頻數(shù)+Q3對(duì)應(yīng)頻數(shù))/2
line(x,[y,y,y],'marker','x','color','r') % 繪制線條

x = round(mn + sdev*[-1,0,1]); % 均值加減標(biāo)準(zhǔn)差
y = (n(h==x(1)) + n(h==x(3)))/2; % （均值加標(biāo)準(zhǔn)差對(duì)應(yīng)頻數(shù)+均值減標(biāo)準(zhǔn)差對(duì)應(yīng)頻數(shù)）/2
line(x,[y,y,y],'marker','o','color',[0 0.5 0])

x = round(mn + mnad*[-1,0,1]); % 均值加減中位數(shù)
y = (n(h==x(1)) + n(h==x(3)))/2;
line(x,[y,y,y],'marker','*','color',[0.75 0 0.75])

x = round([min(dv1),max(dv1)]); % 最小值，最大值
line(x,[1,1],'marker','.','color',[0 0.75 0.75])

legend('Data','Midspread','Std Dev','Mean Abs Dev','Range')
% 在坐標(biāo)區(qū)繪制圖例

?運(yùn)行結(jié)果：

4.3?數(shù)據(jù)關(guān)聯(lián)可視化

數(shù)據(jù)關(guān)聯(lián)可視化對(duì)分析哪些變量更有效具有更直觀的效果，數(shù)據(jù)篩選前可以先利用關(guān)聯(lián)可視化了解各變量間的關(guān)聯(lián)關(guān)系。

代碼如下：

% 數(shù)據(jù)可視化——變量想相關(guān)性
% 讀取數(shù)據(jù)
clc, clear al, close all
X=xlsread('dataTableA2.xlsx');
Vars = X(:,7:12);
%  繪制變量間相關(guān)性關(guān)聯(lián)圖
figure
plotmatrix(Vars) % 散點(diǎn)圖矩陣
% plotmatrix(X,Y) 創(chuàng)建一個(gè)子坐標(biāo)區(qū)矩陣，包含了由 X 的各列相對(duì) Y 的各列數(shù)據(jù)組成。
% 的散點(diǎn)圖如果 X 是 p*n 且Y是 p×m，則plotmatrix生成一個(gè)n*m子坐標(biāo)區(qū)矩陣。
% plotmatrix(X)與plotmatrix(X,X) 相同。除了用 histogram(X(:,i)) 替換了第i列
% 中對(duì)角線上的子坐標(biāo)區(qū)。

%  繪制變量間相關(guān)性強(qiáng)度圖
covmat = corrcoef(Vars);
% R = corrcoef(A) 返回A的相關(guān)系數(shù)的矩陣，其中A的列表示隨機(jī)變量，行表示觀測(cè)值。
% R = corrcoef(A,B) 返回兩個(gè)隨機(jī)變量A和B之間的系數(shù)。
figure
imagesc(covmat); 
% imagesc(C) 將數(shù)組 C 中的數(shù)據(jù)顯示為一個(gè)圖像，該圖像使用顏色圖中的全部顏色
grid; % 顯示/隱藏坐標(biāo)區(qū)網(wǎng)格線
colorbar; % 顯示色階顏色欄

運(yùn)行結(jié)果：

?

4.4?數(shù)據(jù)分組可視化

?按照不同的分位數(shù)將數(shù)據(jù)進(jìn)行分組，典型的圖形是箱體圖，根據(jù)箱體圖可以看出數(shù)據(jù)的分布特征和異常值的數(shù)量。

代碼如下：

% 數(shù)據(jù)可視化——數(shù)據(jù)分組
% 讀取數(shù)據(jù)
clc, clear al, close all
X=xlsread('dataTableA2.xlsx');
dv1=X(:,2);
eva=X(:,12);
% Boxplot，繪制箱體圖
% boxplot(x) 創(chuàng)建x中數(shù)據(jù)的箱線圖。如果x是向量，boxplot繪制一個(gè)箱子。
% 如果x是矩陣，boxplot為x的每列繪制一個(gè)箱子。
% 在每個(gè)箱子上，中心標(biāo)記表示中位數(shù)，箱子的底邊和頂邊分別表示第25個(gè)和75個(gè)百
% 分位數(shù)。須線會(huì)延伸到不是離群值的最遠(yuǎn)端數(shù)據(jù)點(diǎn)，離群值會(huì)以 '+' 符號(hào)單獨(dú)繪制。
% boxplot(x,g) 使用g中包含的一個(gè)或多個(gè)分組變量創(chuàng)建箱線圖。boxplot為具有相同
% 的一個(gè)或多個(gè)g值的各組x值創(chuàng)建一個(gè)單獨(dú)的箱子

figure
boxplot(X(:,2:12))
figure
boxplot(dv1, eva)
figure
boxplot(X(:,5))

運(yùn)行結(jié)果：

?

?五、數(shù)據(jù)降維

主成分分析（PCA）基本原理：

?將原來眾多具有一定相關(guān)性的變量，重新組合為一組新的相互無關(guān)的綜合變量來代替原來的變量

PCA方法步驟：文章來源地址http://www.zghlxwxcb.cn/news/detail-803421.html

1. 對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理
2. 計(jì)算樣本相關(guān)系數(shù)矩陣
3. 計(jì)算相關(guān)系數(shù)矩陣的特征值和相應(yīng)的特征向量
4. 選擇重要的主成分，并寫出主成分表達(dá)式（貢獻(xiàn)率）
5. 計(jì)算主成分得分
6. 依據(jù)主成分得分的數(shù)據(jù)進(jìn)一步分析和建模

到了這里，關(guān)于matlab數(shù)據(jù)的獲取、預(yù)處理、統(tǒng)計(jì)、可視化、降維 | 《matlab數(shù)學(xué)建模方法與實(shí)踐（第三版）》學(xué)習(xí)筆記的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！