2 sinat 32465411 sinat_32465411 于 2016.04.02 09:44 提问

如何用pea在matlab上分析数据,例如;iris

哪里能找到关于用matlab进行数据分析的案例, 尤其是pca,lsa这些?尤其是如何对data进行预处理?

2个回答

CSDNXIAOD
CSDNXIAOD   2016.04.06 17:01

对iris的主成分分析
----------------------biu~biu~biu~~~在下问答机器人小D,这是我依靠自己的聪明才智给出的答案,如果不正确,你来咬我啊!

CSDNXIAOD
CSDNXIAOD   2016.04.06 17:01

对iris的主成分分析
----------------------biu~biu~biu~~~在下问答机器人小D,这是我依靠自己的聪明才智给出的答案,如果不正确,你来咬我啊!

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
对iris的主成分分析
通常情况下,数据集的变量不低于三个,如何了解各个变量与其他变量之间的关系变得非常复杂。主成分分析(PCA)是一种数据降维技巧,在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。例如,使用PCA可将30个相关(很可能冗余)的环境变量转化为5个无关的成分变量,并且尽可能地保留原始数据集的信息。通常把转化生成的综合指标称之为主成分,其中每个主成分都是原始变量的线性组合,且各个主成分之间互
Matlab读取UCI数据集Iris中数据
读取UCI数据集iris.data中数据: >> [attrib1, attrib2, attrib3, attrib4, class] = textread('data\iris.data', '%f%f%f%f%s', 'delimiter', ','); >> attrib = [attrib1'; attrib2'; attrib3'; attrib4']'; >> a = zero
支持向量机多分类libSVM二(UCI中iris数据分类)
支持向量机多分类可以采用两种方式,1.一对一  one vs one 2.一对多 one vs rest  数据集可以下载从我的资源中:
数据挖掘入门-iris数据集分析
# 撰写本文的原因是,笔者在研究博文“http://python.jobbole.com/83563/”中发现 # 原内容有少量笔误,并且对入门学友缺少一些信息。于是笔者做了增补,主要有: # 1.查询并简述了涉及的大部分算法; # 2.添加了连接或资源供进一步查询; # 3.增加了一些lib库的基本操作及说明; # 4.增加了必须必要的
鸢尾花(iris)数据集,txt格式,matlab可以直接调用
Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。 CSDN上原来有一个arff格式的鸢尾花数据集,不方便matlab直接调用。 我的这个数据集是txt格式的,在matlab下可以直接一句命令“load('iris.txt')”加载。 iris以鸢尾花的特征作为数据来源,常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的,后两个种类是非线性可分离的。 该数据集包含了5个属性: & Sepal.Length(花萼长度),单位是cm; & Sepal.Width(花萼宽度),单位是cm; & Petal.Length(花瓣长度),单位是cm; & Petal.Width(花瓣宽度),单位是cm; & 种类:Iris Setosa(山鸢尾)、Iris Versicolour(杂色鸢尾),以及Iris Virginica(维吉尼亚鸢尾)。
k-means聚类(使用数据集:iris)
使用java语言在数据集iris上实现k-means聚类
使用平行轴图显示鸢尾花(iris)的四个特征数据(创新实验室联合纳新测试题)
使用平行轴图显示鸢尾花(iris)的四个特征数据;
数据处理实战:对ChiMerge问题的分析与实现
此问题与数据挖掘中的ChiMerge算法相关,用matlab程序实现。问题描述ChiMerge是监督的、自底向上的数据离散化方法。它依赖于卡方分析:具有最小卡方值的相邻区间合并在一起,直到满足确定的停止标准。(1)简述ChiMerge如何工作。(2)取鸢尾花数据集作为待离散化的数据集合,鸢尾花数据集可以从UCI机器学习数据库得到。使用ChiMerge方法,对四个数值属性分别进行离散化。(令停止条件...
Iris数据集可视化分析
查看原文:http://www.wyblog.cn/2016/12/26/iris%e6%95%b0%e6%8d%ae%e9%9b%86%e5%8f%af%e8%a7%86%e5%8c%96%e5%88%86%e6%9e%90/查看原文:http://www.wyblog.cn/2016/12/26/iris%e6%95%b0%e6%8d%ae%e9%9b%86%e5%8f%af%e8%a7%86
用随机森林分类算法进行Iris 数据分类训练,是怎样的体验?
MLlib是Spark的机器学习(ML)库,旨在简化机器学习的工程实践工作,并方便扩展到更大规模。 MLlib由一些通用的学习算法和工具组成,包括分类、回归、聚类、协同过滤、降维等,同时还包括底层的优化原语和高层的管道API。 MLllib目前分为两个代码包:spark.mllib 包含基于RDD的原始算法API。 spark.ml ,提供了基于DataFrames高层次的API,可以用来构