matlab学习日记Re0 （四）

matlab学习日记Re0 （四）

Machine Learning Onramp 4.2 Calculating Summary Statistics (2/2) Quantifying Letter Shapes

1. range计算最大值和最小值的差，
   median计算中值，
   mad计算平均绝对偏差，
   trimmean计算排除最高值和最低值的平均值
   geomean计算几何平均值
   harmmean计算调和平均数
   通过计算数据的不同平均值，来尝试找出不同字母的特征

Machine Learning Onramp 4.3 Finding Peaks

1. islocalmin和islocalmax可以找出数据里的局部最大值和最小值
2. nnz函数可以找出array里的非零值

load sampleletters.mat
plot(m1.Time,m1.X)
idxmin=islocalmin(m1.X)   //找出局部最小值
idxmax=islocalmax(m1.X)
plot(m1.Time,m1.X)
hold on
plot(m1.Time(idxmin),m1.X(idxmin),"o")
plot(m1.Time(idxmax),m1.X(idxmax),"s")
hold off
[idx,prom]=islocalmin(m1.X)
plot(m1.Time,prom)
idxmin=islocalmin(m1.X,"MinProminence",0.1)   //找出的局部最小值加了限制，比左右两个值要小0.1以上
idxmax=islocalmax(m1.X,"MinProminence",0.1)
plot(m1.Time,m1.X)
hold on
plot(m1.Time(idxmin),m1.X(idxmin),"o")
plot(m1.Time(idxmax),m1.X(idxmax),"s")
hold off

Machine Learning Onramp 4.4 Computing Derivatives

1. diff函数可以计算数组中相邻元素的差，输入y=diff(x)，y1=x2-x1，y2=x3-x2…，因此新数组会比输入少一个元素
2. standardizeMissing可以把数组中的不规范值（0，Inf，-Inf）替换为NaN，便于作图。句式为：xclean=standardizeMissing(x,0)，会把x数组中的所有0值替换为NaN输出到xclean数组中

dX=diff(m2.X)
dT=diff(m2.Time)
dXdT=dX./dT
plot(m2.Time(1:end-1,:),dXdT)
dY=diff(m2.Y)
dYdT=dY./dT
maxdx=max(dXdT)
maxdy=max(dYdT)
dT=standardizeMissing(dT,0)   //因为dT中含有0值，如果不做处理，则dY/dT会输出Inf，因此需要替换0值为NaN
dYdT=dY./dT
xclean=standardizeMissing(x,[-Inf 0 Inf]);