主要内容

预处理数据

数据清洁，平滑，分组

数据可能需要预处理技术，以确保准确，有效或有意义的分析。数据清洁是指查找，删除和替换差别或丢失数据的方法。检测局部极值和突然的变化可以有助于确定大量数据趋势。平滑和拒绝是用于从数据中去除噪声和多项式趋势的过程，同时缩放更改数据的界限。分组和分组方法按组识别数据特征。

实时编辑任务

清洁缺失的数据 在Live Editor中查找，填写或删除缺失的数据
清洁异常值数据 在Live编辑器中查找，填写或删除异常值
找到更改点 在Live编辑器中突然发现数据的更改
找到当地的极值 在实时编辑器中查找本地最大值和最小值
平滑的数据 直播编辑器中的平滑嘈杂数据
去除趋势 从实时编辑器中的数据中删除多项式趋势

职能

展开全部

不见了 找到缺少的值
rmmissing 删除缺失的参赛作品
填充 填补缺失的值
丢失的 创建缺失的值
标准造理 插入标准缺失值
isoullier. 找出数据中的异常值
Fillutiers. 检测和替换数据中的异常值
rmoutliers. 检测和删除数据中的异常值
movmad 移动中位数绝对偏差
ischange. 发现数据的突然变化
islocalmin 找到当地的最小值
islocalmax. 找到当地的最大值
smoothdata. 平稳嘈杂数据
Movemean 移动意味着
movmedian. 移动中位数
诽谤 去除多项式趋势
正常化 标准化数据
rescale. 尺寸范围的数组元素
离散化 将数据分组为垃圾箱或类别
GroupCounts. 组元素个数
GroupFilter. 按组过滤
团体ummary 小组总结计算
grouptransform 变换的组
节目 直方图箱数
histcounts2. 双变量直方图箱数计数
findgroups. 查找组并返回组号
裂开 将数据分成组并应用功能
rowfun 将功能应用于表或时间表行
varfun. 将功能应用于表或时间表变量
积累 累积矢量元素

话题

清除表中凌乱和缺失的数据

此示例显示如何使用缺少数据查找，清除和删除表行。

争取数据

从数据中删除线性趋势。

分组变量以分割数据

您可以使用分组变量进行分类数据变量。

将数据分成组并计算统计数据

此示例显示如何将数据组分组并将统计信息应用于每个组。

拆分表数据变量和应用函数

此示例显示如何将数据变量组分组并将函数应用于每个组。

特色例子

使用Live Editor任务清洁杂乱数据并找到极值

使用Live Editor任务清洁杂乱数据并找到极值

具有实时编辑任务的交互式预处理数据。
打开生活的脚本
Matlab中缺少数据

Matlab中缺少数据

处理数据集中的缺失值。
打开生活的脚本
数据平滑和异常值检测

数据平滑和异常值检测

消除数据中的不需要的噪声或行为，并找到，填充和删除异常值。
打开生活的脚本

MATLAB文件

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书