《数据分析与处理.ppt》由会员分享，可在线阅读，更多相关《数据分析与处理.ppt（23页珍藏版）》请在三一办公上搜索。
1、数据分析与处理,主讲:数理与信息工程学院 何国龙 2011年8月8日,数学建模基础选讲,数据导入与导出,从外部文本文件导入数据到MatLab的工作区;1)File/Import data 2)利用内置函数,MatLab程序区数据,外部数据文本,外部Excel文件,数据交换示意图,2.将MatLab的工作区数据写出到外部磁盘文件;1)save(e.g.save 123.txt test-ascii save 123 test-123.mat)use load to retrieve 2)dlmwrite ref pdf help file 3)fprintf ref out_data.m3.从E
2、xcel文件导入数据到MatLab工作区 1)import data,工作区变量 data,textdata 2)用xlsread调入数据,4.从MatLab写出数据到Excel文件 xlswrite函数 e.g.s,t=xlswrite(filename,var)从MatLab操作Excel文件 Excel=actxserver(Excel.Application);Excel.Visible=1;将Excel作为ACtiveX服务器打开,与MatLab交互,ref VBA e.g.test_Excel.m,数据预处理,1.数据的平滑处理 smooth函数的使用 smooth_1.m ref
3、:smooth.pdf 对于多元数据,当各变量的量纲和数量级不一致时,往往需要对数据进行预处理,以消除量纲和数量级的限制,便于分析.2.数据的标准化变换 3.数据的极差归一化变换,数据的标准化变换,极差归一化变换,经过极差变换,每个元素位于0,1,列的最大最小元分别变换为1与0,数据拟合,0.观察数据的散点图,辅助判别数据拟合应采纳的模型 plot_1.m 数据文件:cliamate_data.xls plot_2.m 数据文件:data2009.xls一元线性回归分析函数regress regress函数可用于多重线性或广义线性回归分析,特别地也适合作一元线性回归分析,Ref:edit re
4、gress.m,p-重广义线性回归模型,Y的n次独立观察数据,模型设计矩阵X,需要拟合估计的系数向量,误差向量,p-重线性回归模型,最简单的情形:一元线性,多重回归分析,假设的关联数据dchg.xls,一次项多重回归,一次项交叉项二次项多重回归,研究样本或指标之间存在程度不同的相似性（亲疏关系以样本间距离衡量）。根据一批样本的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据。把一些相似程度较大的样本（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样本（或指标）又聚合为另一类，直到把所有的样本（或指标）聚合完毕，这就是分类的基本思想。在聚类分析
5、中，根据分类对象的不同分为Q型聚类分析和R型聚类分析两大类。,聚类分析,常用的样品对距离,Ref:pdist,常用聚类方法,最短距离法(single linkage method)最长距离法(complete linkage method)中间距离法(median method)重心法(centroid hierarchical method)类平均法(average linkage method)离差平方和法(Ward method),与系统聚类法相关的MatLab函数包括:pdist;squareform;linkage;dendrogram;cophenet;inconsistent;c
6、luster;clusterdata,G6=g1,g2,G7=g3,g4,G8=g5,g7,G9=g5,g8,聚类分析示意图,主成分分析是一种通过降维技术把多个变量化为少数几个主成分(即综合变量)的多元统计方法,这些主成分能够反映原始变量的大部分信息,通常表现为原始变量的线性组合,为使得主成分所包含的信息互不重叠,要求各主成分之间线性无关.MatLab的主成分分析函数 pcacov;根据相关系数矩阵进行主成分分析 princomp;根据样本观察值矩阵进行主成分分析 pcares;根据主成分重建原始数据,主成分分析,Ref:zcffx.m,pcares函数重建数据,为了分析丢掉后面的主成分所造成的信息损失,设原始样本数据矩阵为,由前m个主成分重建的样本数据矩阵为,Ref:pca.m,分析主成分效果的统计量,基于Excel的数据处理与分析,一般的数据计算VBA程序设计加载数据分析工具库,计算趋势线的公式,线性,多项式,对数,指数,乘幂,R平方值,
