主要内容

数据预处理

数据清理、平滑、分组

数据可能需要预处理技术来确保准确、高效或有意义的分析。数据清理指的是查找、删除和替换坏数据或缺失数据的方法。检测局部极值和突变有助于识别重要的数据趋势。平滑和去趋势化是去除噪声和多项式的过程数据的趋势，而缩放会更改数据的边界。分组和装箱方法按组识别数据特征。

实时编辑器任务

清除丢失的数据 在Live Editor中查找、填充或删除缺失的数据
清除异常数据 在Live Editor中查找、填充或删除异常值
分组计算 按组汇总、转换或筛选
寻找变化点 在实时编辑器中查找数据中的突然更改
找到当地的极值 在Live Editor中查找局部最大值和最小值
规范化的数据 在Live Editor中居中并缩放数据
平滑的数据 在实时编辑器中平滑有噪数据
删除趋势 从Live Editor中的数据中删除多项式趋势

功能

全部展开

伊斯米辛 查找缺少的值
rmmissing 删除丢失的条目
填充物缺失 填补缺失值
丢失的 创建缺少的值
标准化 插入标准缺失值
同等 找出数据中的异常值
填充异常值 检测并替换数据中的异常值
门卫 检测并删除数据中的异常值
movmad 移动中值绝对偏差
易变 查找数据中的突然变化
伊斯洛卡明 求局部极小值
islocalmax 求局部极大值
平滑数据 平滑噪声数据
莫维梅恩 移动平均数
莫维米德 移动中间带
德特伦德 去除多项式趋势
趋势分解 查找数据趋势
正常化 规范化数据
重新缩放 数组元素的比例范围
离散化 将数据分组到箱子或类别中
组数 群元素数
组过滤器 分组筛选
组摘要 小组总结计算
grouptransform 变换的组
历史记录 直方图箱数
历史计数2 二元直方图箱数
查找组 查找组并返回组号
拆分应用 将数据拆分为组并应用函数
rowfun 将函数应用于表或时间表行
瓦芬 将函数应用于表或时间表变量
Accumaray 累积向量元素

话题

清理混乱和缺失的数据表

此示例演示如何查找、清理和删除缺少数据的表行。

去趋势化数据

从数据中删除线性趋势。

将变量分组以分割数据

可以使用分组变量对数据变量进行分类。

将数据分组并计算统计数据

此示例演示如何对数据进行分组，并将统计函数应用于每个组。

拆分表数据变量和应用函数

此示例演示如何对数据变量进行分组，并将函数应用于每个组。

特色实例

使用实时编辑器任务清理混乱的数据并定位极值

使用实时编辑器任务清理混乱的数据并定位极值

使用实时编辑器任务以交互方式预处理数据。
打开生活的脚本
MATLAB中的缺失数据

MATLAB中的缺失数据

处理数据集中缺少的值。
打开生活的脚本
数据平滑与异常检测

数据平滑与异常检测

消除数据中不必要的噪声或行为，并查找、填充和删除异常值。
打开生活的脚本

MATLAB文档

万博1manbetx

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书