MATLAB 資料分析方法（第2版）導讀

前言

自本書第1版出版以來，我們的社會已進入大資料時代，資料分析方法越來越受到人們的重視，許多學校選用了本書作為教材，并取得了良好的教學效果。同時分析資料的matlab軟體也在不斷地更新與更新，功能越來越強大、越來越智能化。為了讓讀者更好地學習與掌握資料分析方法，我們對第1版進行了修訂。這次修訂仍然保持原教材的基本架構與内容體系，但對部分章節的例題資料進行了更新，涉及軟體更新的部分也對原書的程式進行改編與優化，補充了部分更具有現實意義的資料分析例題與習題，力求展現三方面的特點：

第一，通過例題或案例進一步加強資料分析理論與方法的應用，着重培養學生解決實際資料分析問題的能力，提高綜合分析問題的素質。

第二，通過對原教材的例題、實驗問題與習題進行調整，更新資料和增加不同領域的資料分析問題，使得涉及的問題更貼近實際，進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内容，以适應軟體工具的更新與更新，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，所有例題程式均在matlab（2014a）中驗證通過，并打包放在華章網站（http://www.hzbook.com）供下載下傳使用。

編者

教學建議

在教學過程中，一要重視資料分析原理的介紹，二要重視matlab程式編寫的算法分析，三要重視每章的綜合性實驗教學。學生應具有計算機進階語言程式設計基礎，學習過高等數學、線性代數、機率論與數理統計等課程。建議總教學時數為54學時，其中綜合實驗為24學時。建議課堂教學在計算機多媒體機房内完成，實作“講與練”結合，實驗課要求學生送出實驗報告。具體各章的教學時數、内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）

教學内容：matlab與資料分析；matlab的基本界面操作；矩陣的基本運算；matlab程式設計與m檔案；matlab與excel資料的讀寫交換。

教學要求：熟練掌握matlab的基本界面操作；了解運算符、操作符、基本數學函數指令等的功能與調用格式；掌握矩陣的運算；熟練掌握選擇、循環語句的程式設計；掌握建立m檔案的方法；了解matlab與excel資料的讀寫交換。

第2章　資料描述性分析（8學時，其中2學時實驗）

教學内容：基本統計量（如均值、方差、分位數等）與資料可視化；資料分布與檢驗（一進制與多中繼資料）；資料變換（無量綱化、box-cox變換等）。

教學要求：熟練掌握利用matlab計算基本統計量與資料可視化；掌握jbtest與lillietest關于資料的正态性檢驗；掌握協方差矩陣相等的檢驗方法；了解資料變換的意義與方法。

第3章　回歸分析（8學時，其中4學時實驗）

教學内容：一進制回歸模型（線性與非線性回歸模型）；多元線性回歸模型；逐漸回歸分析；殘差分析。

教學要求：了解回歸分析的原理；熟練掌握matlab回歸分析的指令；會應用matlab回歸模型類建立回歸模型；掌握非線性回歸的基本方法以及matlab實作；掌握逐漸回歸的matlab方法；掌握殘差分析。

第4章　判别分析（8學時，其中4學時實驗）

教學内容：距離判别分析；貝葉斯判别分析；判别準則的評價。

教學要求：了解判别分析的原理；熟練掌握matlab軟體進行距離判别與貝葉斯判别的方法和步驟；掌握判别分析的回代誤判率與交叉誤判率的計算；掌握解決實際判别問題的模組化方法。

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）

教學内容：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（基于主成分分析的綜合評價、分類、信号分離等）；典型相關分析（原理，典型相關系數計算、檢驗，樣本資料典型相關變量）；典型相關分析應用執行個體；時間序列的趨勢性與列聯表分析。

教學要求：了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合了解釋；了解趨勢性與列聯表分析。

第6章　聚類分析（8學時，其中4學時實驗）

教學内容：距離聚類分析（向量距離、類間距離）；譜系聚類與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：了解聚類的思想與原理；熟練掌握matlab關于各種樣品距離與類間距離的計算方法；會作譜系聚類圖；掌握應用matlab計算各種聚類的指令；掌握聚類效果分析方法及程式的實作。

第7章　數值模拟分析（8學時，其中4學時實驗）

教學内容：蒙特卡羅方法與應用（思想及應用、matlab的僞随機數）；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别）。

教學要求：了解蒙特卡羅方法；掌握用matlab生成僞随機數的方法；掌握僞随機數的應用；了解神經網絡的基本思想；掌握matlab實作神經網絡的預測與判别。

<b>目錄</b>

第1章　matlab基礎

<a href="https://yq.aliyun.com/articles/82894/" target="_blank">　1.1　資料分析與matlab1</a>

<a href="https://yq.aliyun.com/articles/82897/" target="_blank">　1.2　matlab基礎概述</a>

<a href="https://yq.aliyun.com/articles/82901/" target="_blank">　1.3　matlab基本文法</a>

<a href="https://yq.aliyun.com/articles/82914/" target="_blank">　1.5　m檔案與程式設計</a>

<a href="https://yq.aliyun.com/articles/82918/" target="_blank">　1.6　matlab通用操作執行個體</a>

第2章　資料描述性分析

<a href="https://yq.aliyun.com/articles/82929/" target="_blank">　2.1　基本統計量與資料可視化</a>

<a href="https://yq.aliyun.com/articles/82935/" target="_blank">　2.2　資料分布及其檢驗</a>

<a href="https://yq.aliyun.com/articles/82943/" target="_blank">　2.3　資料變換</a>

第3章　回歸分析

　3.1　一進制回歸模型

　3.2　多元線性回歸模型

　3.3　逐漸回歸

　3.4　回歸診斷

第4章　判别分析111

　4.1　距離判别分析111

　　4.1.1　判别分析的概念111

　　4.1.2　距離的定義111

　　4.1.3　兩個總體的距離判别分析114

　　4.1.4　多個總體的距離判别分析119

　4.2　判别準則的評價121

　4.3　貝葉斯判别分析124

　　4.3.1　兩個總體的貝葉斯判别124

　　4.3.2　多個總體的貝葉斯判别128

　　4.3.3　平均誤判率130

　4.4　k近鄰判别與支援向量機135

　習題4141

　實驗3　距離判别與貝葉斯判别分析145

第5章　主成分分析與典型相關分析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158

　　5.2.2　主成分分析用于分類161

　　5.2.3　主成分分析用于信号分離163

　5.3　典型相關分析166

　　5.3.1　典型相關分析的基本原理166

　　5.3.2　樣本的典型變量與典型相關系數169

　　5.3.3　典型相關系數的顯著性檢驗170

　　5.3.4　典型相關分析執行個體172

　5.4　趨勢性與屬性相關分析應用執行個體177

　　5.4.1　cox-stuart趨勢檢驗177

　　5.4.2　屬性資料分析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187

　6.1　距離聚類187

　　6.1.1　聚類的思想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　類間距離與遞推公式192

　6.2　譜系聚類193

　　6.2.1　譜系聚類的思想193

　　6.2.2　譜系聚類的步驟194

　　6.2.3　譜系聚類的matlab實作196

　6.3　k均值聚類200

　　6.3.1　k均值聚類的思想200

　　6.3.2　k均值聚類的步驟200

　　6.3.3　k均值聚類的matlab實作201

　6.4　模糊均值聚類203

　　6.4.1　模糊c均值聚類203

　　6.4.2　模糊減法聚類205

　6.5　聚類的有效性207

　　6.5.1　譜系聚類的有效性207

　　6.5.2　k均值聚類的有效性209

　　6.5.3　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　數值模拟分析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　随機數的産生與matlab的僞随機數218

　　7.1.3　蒙特卡羅方法應用執行個體219

　7.2　bp神經網絡及應用227

　　7.2.1　人工神經元及人工神經元網絡227

　　7.2.2　bp神經網絡228

　　7.2.3　matlab神經網絡工具箱230

　　7.2.4　bp神經網絡應用執行個體232

　習題7239

　實驗6　數值模拟240

參考文獻241