![](https://img-blog.csdnimg.cn/direct/fd66b7dbda24440f9d7fc083e277ff7e.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
数学建模基础与模型建立前准备
文章平均质量分 69
数学建模基础与建立前的准备,包含数据预处理,matlab基础知识,矩阵基础知识等。
清晨早星
985本硕 数学建模学社
擅长matlab编程,数据统计,分析与优化,计量模型,机器学习
如有需要请关注公众号:早星数学建模
或者联系微信:wqczxmatlabsxjm
展开
-
画图函数合集#matlab
二维和三维esh(mesh,meshc,meshz)、surf(surf,surfc,surfl)和plot3是MATLAB中用于三维绘图的函数,它们各自适用于不同的数据类型和场景。适用情况:当需要快速查看三维数据的整体结构,而不需要详细的颜色或光照效果时,mesh函数是一个很好的选择。同样,legend函数设置图例,括号内的图例需要按照画图的顺序输入。当需要强调数据的细节、高度或颜色信息时,surf函数是一个更好的选择。% 其他可用的标记形状包括:'.', 'o', '+', '*', 'x', 'd',原创 2024-06-14 13:40:00 · 821 阅读 · 0 评论 -
数据预处理之数据平滑处理#matlab
介绍基于 MATLAB 的数据平滑方法,主要介绍 smooth 函数、smoothts 函数和 medfilt1 函数的用法。原创 2024-06-04 03:10:59 · 456 阅读 · 0 评论 -
数据结构和矩阵细节用法:double、cell和complex #matlab
简单来说,结构矩阵的每一列为一个变量,即类似于分类变量,每个变量下的数据类型是相同的,例如姓名下的数据全是文本,学号下的数据全是数值;而单位矩阵的各个矩阵是不同的,第一行第一列是数值,第一行第二列可能是文本,第二行第一列可能又是包含n个元素的矩阵,即你可以理解为单元矩阵是“乱输一通”的的矩阵。注:在这个例子中,T是一个table,包含三列:一列是double类型的数字,一列是char类型的字母,还有一列是logical类型的标志。用“()”输出整行,用“.”和“()”结合输出具体的某行某列的元素。原创 2024-06-08 11:26:31 · 1173 阅读 · 0 评论 -
数据预处理之基于统计的(3σ,Z分数,Boxplot箱线图)异常值检测#matlab
异常值的检测主要有基于统计、密度、距离、预测和聚类等检测方法,不同类型的数据和不同背景下异常值的检测有不同的适当的方法。原创 2024-06-10 18:37:58 · 1109 阅读 · 0 评论 -
矩阵的运算:加减乘除与转置#matlab
矩阵的运算和单个数值的运算是不同的,以下介绍加减乘除。原创 2024-06-08 12:57:43 · 1027 阅读 · 0 评论 -
数据预处理之基于密度的LOF异常值检测#matlab
基于密度的异常值检测方法LOF(Local Outlier Factor,局部离群因子)是一种经典的异常检测算法,它通过计算数据点相对于其局部邻域的密度偏差来识别异常值。(3)计算局部离群因子(LOF):LOF是一个数据点的局部异常因子,表示该点的局部密度与其邻近点的局部密度之比。量化异常程度:LOF算法不仅可以判断数据点是否为异常值,还可以给出每个数据点的异常程度,便于进一步的分析和处理。解释性:虽然LOF算法可以给出每个数据点的异常程度,但对于异常值的具体原因可能需要进一步的分析和解释。原创 2024-06-11 10:24:50 · 819 阅读 · 0 评论 -
数据预处理之基于预测的(线性,ARIMA)异常值检测#matlab
高准确性:基于机器学习的预测方法,如使用ARIMA模型或深度学习模型,能够更好地挖掘数据的内在特征,提高异常值检测的准确性。对异常值敏感:由于最小二乘法的目标是最小化误差平方和,线性回归模型对异常值(离群点)非常敏感,一个异常值可能会对模型的结果产生较大的影响。基于预测的异常值检测方法,特别是结合线性回归和ARIMA(自回归积分滑动平均模型)模型,是数据分析中常用的技术。其中,ARIMA(0,0,0)模型参数如下图,但是实际情况中p=d=q=0一般是不存在的,此处是作者随机生成的正态数据的结果。原创 2024-06-11 14:06:06 · 1181 阅读 · 0 评论 -
三变量的SVAR模型#step1:ADF平稳检验、差分、时序图
1.2ADF检验假设原假设(H0):时间序列存在单位根(非平稳)。备择假设(H1):时间序列不存在单位根(平稳)。1.3ADF标准检验代码% 生成一个示例时间序列数据% 假设这是一个平稳的时间序列% 进行 ADF 检验%h: 结果的二进制指示符。0 表示无法拒绝原假设,1 表示拒绝原假设。%pValue: p 值,用于判断结果的显著性。%stat: ADF 检验统计量。%cValue: 临界值。%reg: 回归结果的结构体。% 显示结果if h == 0。原创 2024-06-03 22:47:06 · 1259 阅读 · 2 评论 -
各种函数读取导入数据#matlab
假设数据集data运行后会返回A列的数值型数据运行后会返回A列和C列的数值型数据xlsread适用于 Windows 平台并且需要安装 Microsoft Excel。:在较新的 MATLAB 版本中,xlsread函数有时会出错,因此,新版本里,例如matlab2023,不推荐使用xlsread。原创 2024-06-03 10:21:38 · 412 阅读 · 0 评论 -
左右Y轴单位不同的plot用法#matlab
绘制长三角年末总人口(万人)和江、浙、沪和长三角老龄化(%)的折线图。原创 2024-06-03 10:37:19 · 315 阅读 · 0 评论 -
数据预处理之缺失值的拟合法#matlab
拟合也叫曲线逼近,也可以用于处理缺失值。通过利用其他变量建立模型,预测缺失变量的值。不同于插值法,拟合法并不要求曲线一定通过数据点,只要求拟合的曲线能合理地反映数据的基本趋势。或者说,此外,拟合法可以用来补充数据范围之外的数据,例如只收集了小明1-12小时的每个小时的体温,拟合法不仅可以补充空白值,还可以拟合出1-12小时的每隔0.5小时的值,也可以给出第13.5(超过12)的值。而作者对第三种作用的理解的是该作用与预测模型相类似,因此,拟合法也有预测的功能。拟合法适用于,或者的情况。原创 2024-06-05 16:02:45 · 336 阅读 · 0 评论 -
数据预处理之数据的描述性统计#matlab
描述性统计结果中,如果均值都大于中位数,说明服从右偏分布。根据变异系数,变异系数较大则剧烈波动,变异系数小则相对平稳。原创 2024-06-03 10:45:19 · 84 阅读 · 0 评论 -
数据预处理之缺失值的插值法#matlab
当数据集中存在缺失值时,插值法可以作为一种处理手段。它可以根据已知的数据点,推断出缺失值的可能值。常见的插值方法包括等。然而,插值法在处理缺失值时需要注意,插值法不适用于缺失大量数据的情况,即一般情况下,只会用到一维和二维插值,因此本文只介绍interp1,interp2;一般的插值方法有:‘nearest’最邻近插值;‘linear’线性插值;‘spline’三次样条插值;‘cubic’立方插值;原创 2024-06-04 09:15:16 · 1351 阅读 · 0 评论 -
顺序(input,disp)循环(for,while)选择(if,switch)语句#matlab
switch语句和if语句略有不同。当需要根据一个或多个条件来决定执行哪段代码时,if语句是首选。特别是当条件逻辑比较复杂,或者需要组合多个条件进行判断时,if语句通常更加合适。当需要根据一个元素的值(通常是整数、字符或字符串)来执行不同的代码块时,switch语句通常更加合适。特别是当这个表达式的值是一个预定义的、离散的集合时,switch语句可以使代码更加清晰和易于理解。需要注意的是,switch语句在MATLAB并不支持范围比较或逻辑运算。原创 2024-06-09 19:15:10 · 970 阅读 · 0 评论 -
数据预处理之基于聚类的TOD异常值检测#matlab
基于聚类的异常值检测方法先采用特殊的聚类算法处理输入数据而得到聚类,再在聚类的基础上来检测异常,适用于大规模数据集。原创 2024-06-11 16:22:54 · 933 阅读 · 0 评论 -
数据预处理之数据类型和复数#matlab
在将字符串转换为数值时,使用了str2double函数,它会尝试将字符串转换为双精度浮点数。如果字符串不能被解析为数字(例如,它包含字母或特殊字符),则str2double会返回NaN。raw变量从xlsread函数中获取的是一个cell数组,它包含了Excel文件中的所有数据,无论是数值还是文本。我们平常用的num=xlsread(‘xx.xlsx’)只输出了数值数据。其中,disp(raw)可以看到data里的所有原始数据。今天看到2个同学的问题,原创 2024-06-06 11:05:36 · 333 阅读 · 0 评论 -
特殊矩阵:零矩阵(Zero)幺矩阵(Ones)单位矩阵(Identity)随机矩阵(Random)#matlab
zeros(m, n, 'like', P): 创建一个与矩阵P类型相同、大小为m行n列的零矩阵。rand(m, n): 创建一个m行n列的[0,1)区间内的均匀分布随机矩阵。zeros(size(A)): 创建一个与矩阵A同样大小的零矩阵。创建一个3行4列的零矩阵。randn(m, n): 创建一个m行n列的标准正态分布随机矩阵。ones(size(A)): 创建一个与矩阵A同样大小的幺矩阵。zeros(m, n): 创建一个m行n列的零矩阵。ones(m, n): 创建一个m行n列的幺矩阵。原创 2024-06-09 20:02:36 · 324 阅读 · 0 评论