MATLAB數據分析方法（第2版）簡(jiǎn)介，目錄書(shū)摘
2019-11-08 17:10
來(lái)源：京東
作者：京東
MATLAB數據分析方法（第2版）
暫無(wú)報價(jià)
300+評論
98%好評
內容簡(jiǎn)介: 數據分析方法就是解決大數據分析與應用的重要方法,已成為自然科學(xué)和社會(huì )科學(xué)各個(gè)學(xué)科研究者必備的知識。MATLAB是一套高性能的數值計算和可視化軟件，是實(shí)現數據分析與處理的有效工具。全書(shū)共分7章，主要內容包括：MATLAB軟件簡(jiǎn)介，數據處理的基本方法、回歸模型、判別分析、主成分分析與典型相關(guān)分析、聚類(lèi)分析、數據模擬方法、應用神經(jīng)網(wǎng)絡(luò )進(jìn)行模式識別和預測。此外，每章除了習題還安排了緊密聯(lián)系實(shí)際的綜合性、分析性實(shí)驗內容。
目錄:
前言
教學(xué)建議
第1章 MATLAB基礎1
1.1 數據分析與MATLAB1
1.1.1 數據分析概述1
1.1.2 MATLAB在數據分析中的作用2
1.2 MATLAB基礎概述3
1.2.1 MATLAB的影響3
1.2.2 MATLAB的特點(diǎn)與主要功能3
1.2.3 MATLAB主界面與常用窗口4
1.2.4 MATLAB的聯(lián)機幫助7
1.2.5 工具箱及其在線(xiàn)幫助8
1.3 MATLAB基本語(yǔ)法10
1.3.1 數據類(lèi)型10
1.3.2 操作符與運算符12
1.3.3 MATLAB命令函數14
1.4 數組和矩陣運算14
1.4.1 數組的創(chuàng )建與運算14
1.4.2 矩陣的輸入與運算15
1.5 M文件與編程20
1.5.1 M文件編輯/調試器窗口20
1.5.2 M文件21
1.5.3 控制語(yǔ)句的編程22
1.6 MATLAB通用操作實(shí)例25
習題128
第2章 數據描述性分析29
2.1 基本統計量與數據可視化29
2.1.1 一維樣本數據的基本統計量29
2.1.2 多維樣本數據的統計量36
2.1.3 樣本數據可視化39
2.2 數據分布及其檢驗45
2.2.1 一維數據的分布與檢驗45
2.2.2 多維數據的正態(tài)分布檢驗48
2.3 數據變換52
2.3.1 數據屬性變換52
2.3.2 Box-Cox變換55
2.3.3 基于數據變換的綜合評價(jià)模型57
習題259
實(shí)驗1 數據統計量及其分布檢驗61
第3章 回歸分析63
3.1 一元回歸模型63
3.1.1 一元線(xiàn)性回歸模型63
3.1.2 一元多項式回歸模型67
3.1.3 一元非線(xiàn)性回歸模型69
3.1.4 一元回歸建模實(shí)例76
3.2 多元線(xiàn)性回歸模型79
3.2.1 多元線(xiàn)性回歸模型及其表示79
3.2.2 MATLAB的回歸分析命令82
3.2.3 多元線(xiàn)性回歸實(shí)例89
3.3 逐步回歸92
3.3.1 最優(yōu)回歸方程的選擇92
3.3.2 引入變量和剔除變量的依據93
3.3.3 逐步回歸的MATLAB實(shí)現94
3.4 回歸診斷96
3.4.1 異常點(diǎn)與強影響點(diǎn)診斷96
3.4.2 殘差分析100
3.4.3 多重共線(xiàn)性診斷102
習題3106
實(shí)驗2 多元線(xiàn)性回歸與逐步回歸110
第4章 判別分析111
4.1 距離判別分析111
4.1.1 判別分析的概念111
4.1.2 距離的定義111
4.1.3 兩個(gè)總體的距離判別分析114
4.1.4 多個(gè)總體的距離判別分析119
4.2 判別準則的評價(jià)121
4.3 貝葉斯判別分析124
4.3.1 兩個(gè)總體的貝葉斯判別124
4.3.2 多個(gè)總體的貝葉斯判別128
4.3.3 平均誤判率130
4.4 K近鄰判別與支持向量機135
習題4141
實(shí)驗3 距離判別與貝葉斯判別分析145
第5章 主成分分析與典型相關(guān)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 樣本主成分分析154
5.2 主成分分析的應用158
5.2.1 主成分分析用于綜合評價(jià)158
5.2.2 主成分分析用于分類(lèi)161
5.2.3 主成分分析用于信號分離163
5.3 典型相關(guān)分析166
5.3.1 典型相關(guān)分析的基本原理166
5.3.2 樣本的典型變量與典型相關(guān)系數169
5.3.3 典型相關(guān)系數的顯著(zhù)性檢驗170
5.3.4 典型相關(guān)分析實(shí)例172
5.4 趨勢性與屬性相關(guān)分析應用實(shí)例177
5.4.1 Cox-Stuart趨勢檢驗177
5.4.2 屬性數據分析178
習題5180
實(shí)驗4 主成分分析與典型相關(guān)分析184
第6章 聚類(lèi)分析187
6.1 距離聚類(lèi)187
6.1.1 聚類(lèi)的思想187
6.1.2 樣品間的距離188
6.1.3 變量間的相似系數190
6.1.4 類(lèi)間距離與遞推公式192
6.2 譜系聚類(lèi)193
6.2.1 譜系聚類(lèi)的思想193
6.2.2 譜系聚類(lèi)的步驟194
6.2.3 譜系聚類(lèi)的MATLAB實(shí)現196
6.3 K均值聚類(lèi)200
6.3.1 K均值聚類(lèi)的思想200
6.3.2 K均值聚類(lèi)的步驟200
6.3.3 K均值聚類(lèi)的MATLAB實(shí)現201
6.4 模糊均值聚類(lèi)203
6.4.1 模糊C均值聚類(lèi)203
6.4.2 模糊減法聚類(lèi)205
6.5 聚類(lèi)的有效性207
6.5.1 譜系聚類(lèi)的有效性207
6.5.2 K均值聚類(lèi)的有效性209
6.5.3 模糊聚類(lèi)的有效性211
習題6212
實(shí)驗5 聚類(lèi)方法與聚類(lèi)有效性215
第7章 數值模擬分析217
7.1 蒙特卡羅方法與應用217
7.1.1 蒙特卡羅方法的基本思想217
7.1.2 隨機數的產(chǎn)生與MATLAB的偽隨機數218
7.1.3 蒙特卡羅方法應用實(shí)例219
7.2 BP神經(jīng)網(wǎng)絡(luò )及應用227
7.2.1 人工神經(jīng)元及人工神經(jīng)元網(wǎng)絡(luò )227
7.2.2 BP神經(jīng)網(wǎng)絡(luò )228
7.2.3 MATLAB神經(jīng)網(wǎng)絡(luò )工具箱230
7.2.4 BP神經(jīng)網(wǎng)絡(luò )應用實(shí)例232
習題7239
實(shí)驗6 數值模擬240
參考文獻241
京公網(wǎng)安備 11000002000088號
