Matlab数据分析

图书标准信息

• 作者 康海刚 段班祥 主编
• 出版社 机械工业出版社
• 出版时间 2020-02
• 版次 1
• ISBN 9787111645603
• 定价 49.80元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 252页
• 字数 385千字

【内容简介】

机械工业出版社本教材首先介绍了数据分析的基本概念和方法，然后通过大量实例介绍了如何使用Matlab实现数据分析，并深入浅出地介绍了数据建模过程中的有关方法。本教材共分8章，主要内容包括：数据的基本概念及其应用、Matlab基础、随机模拟、数据预处理、数据探索与分析、多元线性回归模型、聚类分析和分类。本教材可作为职业院校计算机相关专业的教学用书，也可供相关技术人员参考。

【目录】

前言

第1章数据的基本概念及其应用

11数据与数据处理

111数据的相关基本概念

112数据处理的主要概念

113数据处理的流程

114数据处理的误区

12数据处理涉及的主要领域

121统计学

122数据挖掘

123云计算

13数据处理的主要方法

131数据采集

132数据预处理

133数据分析

134数据挖掘算法

第2章Matlab基础

21Matlab简介

211Matlab的特点

212Matlab窗口简介

22数组及其运算

221变量和数组

222变量的初始化

223多维数组

224子数组

225单元阵列

226显示输出数据

227数据文件

228数组运算和矩阵运算

229内置函数

23作图入门

231简单的直角坐标系作图

232作图的附加特性

24Matlab程序设计

241关系运算符和逻辑运算符

242选择结构

243循环结构

25自定义函数

第3章随 机 模 拟

31随机数的生成

32蒙特卡罗模拟

321蒙特卡罗模拟估计面积

322蒙特卡罗模拟寻求近似圆周率

323蒙特卡罗模拟解决生日问题

33随机行为的模拟

34蒙特卡罗模拟应用案例：理发店系统研究

Matlab数据分析第1章数据的基本概念及其应用第4章数据预处理

41认识数据

411属性

412离散属性和连续属性

42数据预处理概述

421数据清洗

422数据集成

423数据归约

424数据变换

43Matlab与Excel的数据交互

431以交互方式导入数据

432读取和写入表

433大型文件和大型数据简介

434数据的清理、平滑和分组等

第5章数据探索与分析

51数据的特征统计量

511中心度量趋势：均值、中位数、众数

512常用的变异程度度量

513分布形态

52基本统计描述的可视化

521分类型数据频数分布及其可视化

522直方图

523分位数图和经验累计分布函数

524分位数分位数图——qq图

525箱形图

526散点图

53度量数据的相似性和相异性

531数据矩阵、相异性矩阵、相似性矩阵

532数值属性的相似性：相关系数

533数值属性的相异性：距离

54数据降维——主成分分析

第6章多元线性回归模型

61概述

62一元曲线拟合

621案例1——百货商场销售额

622确定最优拟合

623导出模型到工作空间

63多元线性回归模型

631案例2——牙膏的销售量

632案例3——自变量含有分类变量的处理

64逐步回归模型

第7章聚 类 分 析

71简介

711聚类分析的类型

712聚类分析的依据

72谱系聚类

73k均值聚类

731k均值聚类概述

732k均值聚类算法的Matlab函数

733k均值聚类算法的特点

734k均值聚类算法综合应用

74层次聚类

741概述

742层次聚类算法的Matlab实现

743层次聚类算法的特点

75高斯混合模型聚类

751简介

752高斯混合模型聚类算法的Matlab实现

第8章分类

81分类算法简介

811逻辑回归分类算法

812K近邻分类算法

813支持向量机分类算法

814人工神经网络分类算法

815朴素贝叶斯分类算法

816判别分析分类算法

817决策树分类算法

818集成学习分类算法

82分类的评判

821评判指标

822ROC曲线和AUC

83判别分析分类的具体应用

831判别分析的定义、特点和类型

832距离判别

833贝叶斯判别

84使用Classification Learner App实现分类

参 考 文 献