数据预处理

最新推荐文章于 2023-10-29 22:26:57 发布

原创

最新推荐文章于 2023-10-29 22:26:57 发布 · 751 阅读

3 ·

CC 4.0 BY-SA版权

这篇博客介绍了如何在Matlab中正确使用PCA包进行数据预处理，通过实例展示了PCA在数据降维中的应用，包括加载数据、计算特征向量、特征值和新坐标下的数据表示。同时，验证了PCA的计算过程，包括数据去均值、求协方差矩阵、特征值和特征向量，以及如何得到与PCA相同的结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

拉格朗日与牛顿插值法进行插补代码：

%参数初始化
inputfile='../data/catering_sale.xls'; %销售数据文件
index=1; %销售数据所在下标
outputfile='../tmp/sales.xls'; %插值后数据存放

%%读入数据
[num,txt,raw]=xlsread(inputfile);
data=num(:,index);

%%去除异常值
data=de_abnormal(data);


%%调用拉格朗日插值法进行插值
la_data=ployinterp_column(data,'lagrange');

%%调用牛顿法插值法进行插值
new_data=ployinter_column(data,'newton');

%%结果写入文件
rows=size(data,1);
result=cell(rows+1,3);
result{1,1}='原始值'；
result{1,2}='拉格朗日插值'；
result{1,3}='牛顿插值'；

result(2:end,1)=num2cell(data);
result(2:end,2)=num2cell(la_data);
result(2:end,3)=num2cell(new_data);
xlswrite(outputfile,result);
disp('结果以写入数据文件')；