主要内容

数据预处理

数据清洗、平滑、分组

数据需要预处理技术,确保准确、高效,或有意义的分析。数据清洗是指方法查找、删除和替换坏或丢失数据。检测局部极值和突然的变化可以帮助识别重要的数据趋势。平滑和消除趋势过程去除噪声和多项式趋势的数据,而扩展的范围变化数据。分组和装箱方法识别特征的数据组。

Attivita di住编辑器

清洁缺失的数据 查找、填补生活编辑或删除丢失的数据
干净的异常数据 查找、填补生活编辑或删除离群值
计算由集团 总结、转换或滤波器组
找到变化点 发现突然改变生活中的数据编辑器
找到当地的极值 在现场找到当地的最大值和最小值编辑器
规范化的数据 生活中心和规模数据编辑器
平滑的数据 在现场编辑平滑噪声数据
删除趋势 将多项式趋势从生活中的数据编辑器

Funzioni

espandi全体的

ismissing 找到失踪的值
rmmissing 删除丢失的条目
fillmissing 填补缺失值
失踪 创建缺失的值
standardizeMissing 插入标准缺失值
isoutlier 发现数据中的异常值
filloutliers 检测和更换数据中的异常值
rmoutliers 检测和消除数据中的异常值
movmad 移动平均绝对偏差
ischange 发现突然的变化数据
islocalmin 发现局部最小值
islocalmax 找到当地的最大值
smoothdata 平滑噪声数据
movmean 移动的意思
movmedian 移动平均
去趋势 消除多项式趋势
trenddecomp 发现趋势数据
正常化 规范化的数据
重新调节 规模范围的数组元素
离散化 组数据到垃圾箱或类别
groupcounts 组元素的数量
groupfilter 过滤器由集团
groupsummary 小组总结计算
grouptransform 变换的组
histcounts 直方图箱数
histcounts2 二元直方图箱数
findgroups 发现组和返回组数字
splitapply 数据分割成组织和应用功能
rowfun 应用函数表或时间表的行
varfun 应用函数表或时间表变量
accumarray 积累向量元素

Argomenti

干净的混乱和丢失的数据表

这个例子展示了如何找到,清洁,和删除表行与缺失的数据。

消除趋势数据

从数据删除线性趋势。

将数据分组变量

您可以使用分组变量分类数据变量。

数据分割成组织和计算统计

这个例子展示了如何组每组数据和应用统计功能。

分割表数据变量和应用功能

这个例子展示了如何组数据变量和函数应用到每个组。

初Esempi在钢琴

清洁混乱的数据和定位极值使用动态编辑任务

清洁混乱的数据和定位极值使用动态编辑任务

交互式地预处理数据与现场编辑任务。
Apri住脚本
在MATLAB缺失的数据

在MATLAB缺失的数据

处理缺失值的数据集。
Apri住脚本
数据平滑和异常值检测

数据平滑和异常值检测

消除不必要的噪音或行为数据,发现,填补和删除离群值。
Apri住脚本

Documentazione MATLAB

金宝appSupporto

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书