《MATLAB数据分析方法》PDF下载

  • 购买积分:10 如何计算积分?
  • 作  者:吴礼斌,李柏年主编;张孔生,丁华参编
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2017
  • ISBN:9787111558507
  • 页数:241 页
图书介绍:数据分析方法就是解决大数据分析与应用的重要方法,已成为自然科学和社会科学各个学科研究者必备的知识。MATLAB是一套高性能的数值计算和可视化软件,是实现数据分析与处理的有效工具。全书共分7章,主要内容包括:MATLAB软件简介,数据处理的基本方法、回归模型、判别分析、主成分分析与典型相关分析、聚类分析、数据模拟方法、应用神经网络进行模式识别和预测。此外,每章除了习题还安排了紧密联系实际的综合性、分析性实验内容。

第1章 MATLAB基础 1

1.1 数据分析与MATLAB 1

1.1.1 数据分析概述 1

1.1.2 MATLAB在数据分析中的作用 2

1.2 MATLAB基础概述 3

1.2.1 MATLAB的影响 3

1.2.2 MATLAB的特点与主要功能 3

1.2.3 MATLAB主界面与常用窗口 4

1.2.4 MATLAB的联机帮助 7

1.2.5 工具箱及其在线帮助 8

1.3 MATLAB基本语法 10

1.3.1 数据类型 10

1.3.2 操作符与运算符 12

1.3.3 MATLAB命令函数 14

1.4 数组和矩阵运算 14

1.4.1 数组的创建与运算 14

1.4.2 矩阵的输入与运算 15

1.5 M文件与编程 20

1.5.1 M文件编辑/调试器窗口 20

1.5.2 M文件 21

1.5.3 控制语句的编程 22

1.6 MATLAB通用操作实例 25

习题1 28

第2章 数据描述性分析 29

2.1 基本统计量与数据可视化 29

2.1.1 一维样本数据的基本统计量 29

2.1.2 多维样本数据的统计量 36

2.1.3 样本数据可视化 39

2.2 数据分布及其检验 45

2.2.1 一维数据的分布与检验 45

2.2.2 多维数据的正态分布检验 48

2.3 数据变换 52

2.3.1 数据属性变换 52

2.3.2 Box-Cox变换 55

2.3.3 基于数据变换的综合评价模型 57

习题2 59

实验1 数据统计量及其分布检验 61

第3章 回归分析 63

3.1 一元回归模型 63

3.1.1 一元线性回归模型 63

3.1.2 一元多项式回归模型 67

3.1.3 一元非线性回归模型 69

3.1.4 一元回归建模实例 76

3.2 多元线性回归模型 79

3.2.1 多元线性回归模型及其表示 79

3.2.2 MATLAB的回归分析命令 82

3.2.3 多元线性回归实例 89

3.3 逐步回归 92

3.3.1 最优回归方程的选择 92

3.3.2 引入变量和剔除变量的依据 93

3.3.3 逐步回归的MATLAB实现 94

3.4 回归诊断 96

3.4.1 异常点与强影响点诊断 96

3.4.2 残差分析 100

3.4.3 多重共线性诊断 102

习题3 106

实验2 多元线性回归与逐步回归 110

第4章 判别分析 111

4.1 距离判别分析 111

4.1.1 判别分析的概念 111

4.1.2 距离的定义 111

4.1.3 两个总体的距离判别分析 114

4.1.4 多个总体的距离判别分析 119

4.2 判别准则的评价 121

4.3 贝叶斯判别分析 124

4.3.1 两个总体的贝叶斯判别 124

4.3.2 多个总体的贝叶斯判别 128

4.3.3 平均误判率 130

4.4 K近邻判别与支持向量机 135

习题4 141

实验3 距离判别与贝叶斯判别分析 145

第5章 主成分分析与典型相关分析 147

5.1 主成分分析 147

5.1.1 主成分分析的基本原理 147

5.1.2 样本主成分分析 154

5.2 主成分分析的应用 158

5.2.1 主成分分析用于综合评价 158

5.2.2 主成分分析用于分类 161

5.2.3 主成分分析用于信号分离 163

5.3 典型相关分析 166

5.3.1 典型相关分析的基本原理 166

5.3.2 样本的典型变量与典型相关系数 169

5.3.3 典型相关系数的显著性检验 170

5.3.4 典型相关分析实例 172

5.4 趋势性与属性相关分析应用实例 177

5.4.1 Cox-Stuart趋势检验 177

5.4.2 属性数据分析 178

习题5 180

实验4 主成分分析与典型相关分析 184

第6章 聚类分析 187

6.1 距离聚类 187

6.1.1 聚类的思想 187

6.1.2 样品间的距离 188

6.1.3 变量间的相似系数 190

6.1.4 类间距离与递推公式 192

6.2 谱系聚类 193

6.2.1 谱系聚类的思想 193

6.2.2 谱系聚类的步骤 194

6.2.3 谱系聚类的MATLAB实现 196

6.3 K均值聚类 200

6.3.1 K均值聚类的思想 200

6.3.2 K均值聚类的步骤 200

6.3.3 K均值聚类的MATLAB实现 201

6.4 模糊均值聚类 203

6.4.1 模糊C均值聚类 203

6.4.2 模糊减法聚类 205

6.5 聚类的有效性 207

6.5.1 谱系聚类的有效性 207

6.5.2 K均值聚类的有效性 209

6.5.3 模糊聚类的有效性 211

习题6 212

实验5 聚类方法与聚类有效性 215

第7章 数值模拟分析 217

7.1 蒙特卡罗方法与应用 217

7.1.1 蒙特卡罗方法的基本思想 217

7.1.2 随机数的产生与MATLAB的伪随机数 218

7.1.3 蒙特卡罗方法应用实例 219

7.2 BP神经网络及应用 227

7.2.1 人工神经元及人工神经元网络 227

7.2.2 BP神经网络 228

7.2.3 MATLAB神经网络工具箱 230

7.2.4 BP神经网络应用实例 232

习题7 239

实验6 数值模拟 240

参考文献 241