MATLAB數據分析方法（第2版） pdf epub mobi txt 电子书下载 2025

☆☆☆☆☆

吳禮斌，李柏年編

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

齣版社：機械工業齣版社

ISBN：9787111558507

版次：2

商品編碼：12136940

品牌：機工齣版

包裝：平裝

叢書名：普通高等院校計算機課程規劃教材

開本：16開

齣版時間：2017-02-01

用紙：膠版紙

頁數：240

具体描述

內容簡介

　　數據分析方法就是解決大數據分析與應用的重要方法,已成為自然科學和社會科學各個學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，是實現數據分析與處理的有效工具。全書共分7章，主要內容包括：MATLAB軟件簡介，數據處理的基本方法、迴歸模型、判彆分析、主成分分析與典型相關分析、聚類分析、數據模擬方法、應用神經網絡進行模式識彆和預測。此外，每章除瞭習題還安排瞭緊密聯係實際的綜閤性、分析性實驗內容。

前言教學建議第1章　MATLAB基礎11.1　數據分析與MATLAB11.1.1　數據分析概述11.1.2　MATLAB在數據分析中的作用21.2　MATLAB基礎概述31.2.1　MATLAB的影響31.2.2　MATLAB的特點與主要功能31.2.3　MATLAB主界麵與常用窗口41.2.4　MATLAB的聯機幫助71.2.5　工具箱及其在綫幫助81.3　MATLAB基本語法101.3.1　數據類型101.3.2　操作符與運算符121.3.3　MATLAB命令函數141.4　數組和矩陣運算141.4.1　數組的創建與運算141.4.2　矩陣的輸入與運算151.5　M文件與編程201.5.1　M文件編輯/調試器窗口201.5.2　M文件211.5.3　控製語句的編程221.6　MATLAB通用操作實例25習題128第2章　數據描述性分析292.1　基本統計量與數據可視化292.1.1　一維樣本數據的基本統計量292.1.2　多維樣本數據的統計量362.1.3　樣本數據可視化392.2　數據分布及其檢驗452.2.1　一維數據的分布與檢驗452.2.2　多維數據的正態分布檢驗482.3　數據變換522.3.1　數據屬性變換522.3.2　Box-Cox變換552.3.3　基於數據變換的綜閤評價模型57習題259實驗1　數據統計量及其分布檢驗61第3章　迴歸分析633.1　一元迴歸模型633.1.1　一元綫性迴歸模型633.1.2　一元多項式迴歸模型673.1.3　一元非綫性迴歸模型693.1.4　一元迴歸建模實例763.2　多元綫性迴歸模型793.2.1　多元綫性迴歸模型及其錶示793.2.2　MATLAB的迴歸分析命令823.2.3　多元綫性迴歸實例893.3　逐步迴歸923.3.1　最優迴歸方程的選擇923.3.2　引入變量和剔除變量的依據933.3.3　逐步迴歸的MATLAB實現943.4　迴歸診斷963.4.1　異常點與強影響點診斷963.4.2　殘差分析1003.4.3　多重共綫性診斷102習題3106實驗2　多元綫性迴歸與逐步迴歸110第4章　判彆分析1114.1　距離判彆分析1114.1.1　判彆分析的概念1114.1.2　距離的定義1114.1.3　兩個總體的距離判彆分析1144.1.4　多個總體的距離判彆分析1194.2　判彆準則的評價1214.3　貝葉斯判彆分析1244.3.1　兩個總體的貝葉斯判彆1244.3.2　多個總體的貝葉斯判彆1284.3.3　平均誤判率1304.4　K近鄰判彆與支持嚮量機135習題4141實驗3　距離判彆與貝葉斯判彆分析145第5章　主成分分析與典型相關分析1475.1　主成分分析1475.1.1　主成分分析的基本原理1475.1.2　樣本主成分分析1545.2　主成分分析的應用1585.2.1　主成分分析用於綜閤評價1585.2.2　主成分分析用於分類1615.2.3　主成分分析用於信號分離1635.3　典型相關分析1665.3.1　典型相關分析的基本原理1665.3.2　樣本的典型變量與典型相關係數1695.3.3　典型相關係數的顯著性檢驗1705.3.4　典型相關分析實例1725.4　趨勢性與屬性相關分析應用實例1775.4.1　Cox-Stuart趨勢檢驗1775.4.2　屬性數據分析178習題5180實驗4　主成分分析與典型相關分析184第6章　聚類分析1876.1　距離聚類1876.1.1　聚類的思想1876.1.2　樣品間的距離1886.1.3　變量間的相似係數1906.1.4　類間距離與遞推公式1926.2　譜係聚類1936.2.1　譜係聚類的思想1936.2.2　譜係聚類的步驟1946.2.3　譜係聚類的MATLAB實現1966.3　K均值聚類2006.3.1　K均值聚類的思想2006.3.2　K均值聚類的步驟2006.3.3　K均值聚類的MATLAB實現2016.4　模糊均值聚類2036.4.1　模糊C均值聚類2036.4.2　模糊減法聚類2056.5　聚類的有效性2076.5.1　譜係聚類的有效性2076.5.2　K均值聚類的有效性2096.5.3　模糊聚類的有效性211習題6212實驗5　聚類方法與聚類有效性215第7章　數值模擬分析2177.1　濛特卡羅方法與應用2177.1.1　濛特卡羅方法的基本思想2177.1.2　隨機數的産生與MATLAB的僞隨機數2187.1.3　濛特卡羅方法應用實例2197.2　BP神經網絡及應用2277.2.1　人工神經元及人工神經元網絡2277.2.2　BP神經網絡2287.2.3　MATLAB神經網絡工具箱2307.2.4　BP神經網絡應用實例232習題7239實驗6　數值模擬240參考文獻241

前言/序言

　　前言　　自本書第1版齣版以來，我們的社會已進入大數據時代，數據分析方法越來越受到人們的重視，許多學校選用瞭本書作為教材，並取得瞭良好的教學效果。同時分析數據的MATLAB軟件也在不斷地升級與更新，功能越來越強大、越來越智能化。為瞭讓讀者更好地學習與掌握數據分析方法，我們對第1版進行瞭修訂。這次修訂仍然保持原教材的基本框架與內容體係，但對部分章節的例題數據進行瞭更新，涉及軟件更新的部分也對原書的程序進行改編與優化，補充瞭部分更具有現實意義的數據分析例題與習題，力求體現三方麵的特點：　　第一，通過例題或案例進一步加強數據分析理論與方法的應用，著重培養學生解決實際數據分析問題的能力，提高綜閤分析問題的素質。　　第二，通過對原教材的例題、實驗問題與習題進行調整，更新數據和增加不同領域的數據分析問題，使得涉及的問題更貼近實際，從而進一步提高學生的學習興趣和學習效率。　　第三，通過補充、完善原教材的理論與方法內容，以適應軟件工具的升級與更新，使得教學更簡便、過程更有效，進一步培養學生的創新能力。　　這次修訂工作仍由吳禮斌、李柏年擔任主編，所有例題程序均在MATLAB（2014a）中驗證通過，並打包放在華章網站（http://www.hzbook.com）供下載使用。　　編者教學建議在教學過程中，一要重視數據分析原理的介紹，二要重視MATLAB程序編寫的算法分析，三要重視每章的綜閤性實驗教學。學生應具有計算機高級語言編程基礎，學習過高等數學、綫性代數、概率論與數理統計等課程。　　建議總教學時數為54學時，其中綜閤實驗為24學時。建議課堂教學在計算機多媒體機房內完成，實現“講與練”結閤，實驗課要求學生提交實驗報告。具體各章的教學時數、內容和要求可作如下安排：第1章　MATLAB基礎（6學時，其中2學時實驗）教學內容：MATLAB與數據分析；MATLAB的基本界麵操作；矩陣的基本運算；MATLAB編程與M文件；MATLAB與Excel數據的讀寫交換。教學要求：熟練掌握MATLAB的基本界麵操作；理解運算符、操作符、基本數學函數命令等的功能與調用格式；掌握矩陣的運算；熟練掌握選擇、循環語句的編程；掌握建立M文件的方法；瞭解MATLAB與Excel數據的讀寫交換。　　第2章　數據描述性分析（8學時，其中2學時實驗）教學內容：基本統計量（如均值、方差、分位數等）與數據可視化；數據分布與檢驗（一元與多元數據）；數據變換（無量綱化、Box-Cox變換等）。　　教學要求：熟練掌握利用MATLAB計算基本統計量與數據可視化；掌握jbtest與lillietest關於數據的正態性檢驗；掌握協方差矩陣相等的檢驗方法；理解數據變換的意義與方法。　　第3章　迴歸分析（8學時，其中4學時實驗）教學內容：一元迴歸模型（綫性與非綫性迴歸模型）；多元綫性迴歸模型；逐步迴歸分析；殘差分析。　　教學要求：理解迴歸分析的原理；熟練掌握MATLAB迴歸分析的命令；會應用MATLAB迴歸模型類建立迴歸模型；掌握非綫性迴歸的基本方法以及MATLAB實現；掌握逐步迴歸的MATLAB方法；掌握殘差分析。　　第4章　判彆分析（8學時，其中4學時實驗）教學內容：距離判彆分析；貝葉斯判彆分析；判彆準則的評價。　　教學要求：理解判彆分析的原理；熟練掌握MATLAB軟件進行距離判彆與貝葉斯判彆的方法和步驟；掌握判彆分析的迴代誤判率與交叉誤判率的計算；掌握解決實際判彆問題的建模方法。　　第5章　主成分分析與典型相關分析（8學時，其中4學時實驗）教學內容：主成分分析的原理（總體主成分的定義、計算、性質，樣本主成分計算方法）；主成分分析的應用（基於主成分分析的綜閤評價、分類、信號分離等）；典型相關分析（原理，典型相關係數計算、檢驗，樣本數據典型相關變量）；典型相關分析應用實例；時間序列的趨勢性與列聯錶分析。　　教學要求：理解主成分與典型相關分析的原理；熟練掌握利用MATLAB進行主成分分析的計算步驟；掌握MATLAB進行典型相關分析的計算步驟；掌握具體實際問題典型相關分析結果的閤理解釋；瞭解趨勢性與列聯錶分析。　　第6章　聚類分析（8學時，其中4學時實驗）教學內容：距離聚類分析（嚮量距離、類間距離）；譜係聚類與K均值聚類；模糊均值聚類（模糊C均值聚類，模糊減法聚類）；聚類的有效性。　　教學要求：理解聚類的思想與原理；熟練掌握MATLAB關於各種樣品距離與類間距離的計算方法；會作譜係聚類圖；掌握應用MATLAB計算各種聚類的命令；掌握聚類效果分析方法及程序的實現。　　第7章　數值模擬分析（8學時，其中4學時實驗）教學內容：濛特卡羅方法與應用（思想及應用、MATLAB的僞隨機數）；BP神經網絡與應用（神經網絡的概念、BP神經網絡、MATLAB神經網絡工具箱、BP神經網絡的預測與判彆）。　　教學要求：理解濛特卡羅方法；掌握用MATLAB生成僞隨機數的方法；掌握僞隨機數的應用；理解神經網絡的基本思想；掌握MATLAB實現神經網絡的預測與判彆。