数据预处理matlab

matlab数据的获取、预处理、统计、可视化、降维

数据的预处理 - MATLAB & Simulink - MathWorks 中国https://ww2.mathworks.cn/help/matlab/preprocessing-data.html

一、数据的获取

1.1 从Excel中获取

使用readtable()

例1:

使用spreadsheetImportOptions(Name,Value)初步确定导入信息,

再用opts.Name=Value的格式添加。

%    工作簿: C:\Users\Hao\Desktop\程序_MATLAB数学建模方法与实践_卓金武等\Cha2\sz000004.xls
%    工作表: Sheet1%% 设置导入选项并导入数据
opts = spreadsheetImportOptions("NumVariables", 8);%变量数8
%spreadsheetImportOptions允许指定 MATLAB® 如何从电子表格文件中导入表格数据% 指定工作表和范围
opts.Sheet = "Sheet1";
opts.DataRange = "A1:H45";% 指定列名称和类型
opts.VariableNames = ["Date", "DateNum", "Popen", "Phigh", "Plow", "Pclose", "Volum", "Turn"];
opts.VariableTypes = ["double", "double", "double", "double", "double", "double", "double", "double"];% 导入数据
sz000004 = readtable("C:\Users\Hao\Desktop\程序_MATLAB数学建模方法与实践_卓金武等\Cha2\sz000004.xls", opts, "UseExcel", false);%% 清除临时变量
clear opts

例2:

先初始化spreadsheetImportOptions对象,

再用opts.Name=Value的格式逐个添加。

% 初始化 SpreadsheetImportOptions 对象
opts = spreadsheetImportOptions; % 指定变量名称
opts.VariableNames = 'LastName';% 变量类型
opts.VariableTypes = 'categorical';% 数据起始单元格
opts.DataRange = 'A2';% 使用导入选项预览文件中的八行数据
preview('patients.xls',opts)
oneVar = readtable('patients.xls',opts);
% 列出变量及大小和类型
whos oneVar

例3:

将导入信息存到变量里,

再使用spreadsheetImportOptions(Name,Value)添加导入信息。

% 变量数
numVars = 7;
% 变量名称
varNames = {'LastName','Gender','Age','Location','Height','Weight','Smoker'} ;
% 变量类型
varTypes = {'char','categorical','int32','char','double','double','logical'} ;
% 数据起始单元格
dataStartLoc = 'A2';% 使用 spreadsheetImportOptions 函数和变量信息初始化导入选项对象 opts
opts = spreadsheetImportOptions('NumVariables',numVars,...'VariableNames',varNames,...'VariableTypes',varTypes,...'DataRange', dataStartLoc); % 使用导入选项预览文件中的八行数据
preview('patients.xls',opts)
% 使用 readtable 导入数据
T = readtable('patients.xls',opts);
% 列出变量及大小和类型
whos T

注:readtable 仅支持下列名称-值对组:

  1. 文本和电子表格参数 - ReadVariableNamesReadRowNames

  2. 仅文本参数 - DateLocaleEncoding

  3. 仅电子表格参数 - SheetUseExcel

使用xlsread()——xlswrite()

a=xlsread('C:\Coporation_evaluation.xlsx',2,'A2:I16')% 'C:\Coporation_evaluation.xlsx' 表示读入Excel数据所在位置% 2 表示位于sheet2% 'A2:I16' 表示读入的数据范围a=xlswrite('C:\Coporation_evaluation.xlsx',a,3,'B1:C5')% 'C:\Coporation_evaluation.xlsx' 表示写入Excel工作簿所在位置,若不存在会自动创建% a 表示待写入的数据% 3 表示sheet3% 'B1:C5' 表示写入Excel中的的具体位置

[data,textdata] = xlsread('D:\桌面\xx.xls'),读取的是什么

  • 从文件路径为 D:\桌面\xx.xls 的 Excel 文件中读取数据,并将数据存储到两个变量 datatextdata 中。
  • 其中,xlsread() 是 MATLAB 内置函数,用于读取 Excel 文件中的数据。
  • 第一个输入参数 'D:\桌面\aa.xls' 表示了 Excel 文件的全路径,可以根据实际情况修改该值。
  • 第二个参数为空,则函数默认读取所有数值型数据;如果指定第二个输出参数名称(如此例中的 textdata),则函数会将 Excel 文件中的文本数据存储到该变量中。

假设我们有一个 Excel 文件,文件路径为 D:\桌面\data.xlsx,它包含以下数据:

ABC
11020a
23040b

那么,我们可以使用以下 MATLAB 代码读取该文件中的数值型和文本数据:

[data, textdata] = xlsread('D:\桌面\data.xlsx');

执行上述代码后,MATLAB 会将该 Excel 文件中的数值型数据存储到 data 变量中,文本数据存储到 textdata 变量中。此时可以在 MATLAB 命令窗口中输入这两个变量名,查看其内容:

data =10    2030    40textdata =2×1 cell 数组{2×1 cell}{2×1 cell}>> textdata{1}ans ='a'>> textdata{2}ans ='b'
  • 可见,MATLAB 已经成功地读取了 Excel 文件中的数据,并将其存储到相应的变量中。
  • 其中,textdata 变量是一个 2x1 的单元格数组,每个单元格中存储了一列文本数据。
  • 我们可以使用花括号 {} 来访问单元格中的内容,如 textdata{1} 访问第一列的文本数据。

1.2  从TXT中获取

使用load()

% 生成线性间距向量,返回包含 1 和 30 之间的 8(默认100)个等间距点的行向量a=linspace(1,30,8);
save d:\exper.txt a -ascii;
b=load('d:\exper.txt')% save d:\exper.txt a -ascii; 把a以ASCII码的形式存储在D盘的exper.txt中,若不存在会自动创建% b=load('d:\exper.txt') 读取'd:\exper.txt'中的数据,并储存在变量b中

使用textread()

[A,B,C,...]=textread('filename','format',N,'headerlines',M)% filename 表示txt文件名称% format 表示所读取变量的字段格式% N 表示读取的次数% headerlines 表示从第M+1行开始读取

使用字面值读取以忽略匹配的字符https://blog.csdn.net/jk_101/article/details/106495696

[name,type,x,y,answer]=textread('D:t.txt','%s Type%d %f %n %s',2,...'headerlines',1)% 格式Type%d只显示%d,因为原数据为Type1,Type2,Type3,Type4

例如:

mydata.dat 的第一行如下:

Sally    Type1 12.34 45 Yes

 读取文件的第一行,并忽略第二个字段中的字符 Type。

[names, typenum, x, y, answer] = textread('mydata.dat', ...
'%s Type%d %f %d %s', 1)

返回

names = 'Sally'
typenum =1
x =12.34000000000000
y =45
answer = 'Yes'

使用fopen() fread() fclose() 

例:

读取.m文件中的字符(读取txt文件也可以)

% 用函数fopen打开文件,r代表只读形式打开,w代表写入形式打开,a代表在文件末尾添加内容fid=fopen('D:\CRM4.m','r'); % fid=fopen('D:\CRM4.m','w')/fid=fopen('D:\CRM4.m','a')% 以字符形式读取整个文本
var=fread(fid,'*char');% 将中文字段转换为相应的2字节代码,否则输出可能会乱码
var=native2unicode(var)
fclose(fid)

使用fprintf()写入信息到txt

fprintf('file','format',a1,a2...)% file 表示文件路径% format 表示数据写入类型% a 表示要写入的数据内容

1.3 从图片中获取

%% 读取图片
clc, clear, close all
a1=imread('000.bmp');
% 获得像素矩阵行数列数
[m,n]=size(a1);%% 批量读取图片
dirname = 'ImageChips'; % 'ImageChips'文件夹files = dir(fullfile(dirname, '*.bmp'));%% fuiifile用法
% f = fullfile('myfolder','mysubfolder','myfile.m')
% f = 'myfolder/mysubfolder/myfile.m'
%% dir用法
% dir name 列出与 name 匹配的文件和文件夹。如果 name 为文件夹,dir 列出该文件夹的内容。使用绝对
% 或相对路径名称指定 name。name 参数的文件名可以包含 * 通配符,路径名称可以包含 * 和 ** 通配符。 
% 与** 通配符相邻的字符必须为文件分隔符。a=zeros(m,n,19); % 创建全零数组19个m*n数组,共19张图片
pic=[];
for ii = 1:length(files)filename = fullfile(dirname, files(ii).name);a(:,:,ii)=imread(filename); % 将该图片信息读取到a的第ii个数组里pic=[pic,a(:,:,ii)]; % 拼接图像
end
double(pic);
figure
imshow(pic,[])% imshow(I,[low high]) 显示灰度图像 I,以二元素向量 [low high] 形式指定显示范围% 若为[],使用 [min(I(:)) max(I(:))] 的显示范围。换句话说,I 中的最小值是黑色,最大值是白色

1.4 从视频获取 

使用视觉工具箱中的VideoFileReader 

%% 读取视频数据
% 从视频文件中读取视频帧、图像和音频样本videoFReader = vision.VideoFileReader('vippedtracking.mp4');
% 播放视频文件
videoPlayer = vision.VideoPlayer;
while ~isDone(videoFReader)
% 当来自有限数据源的数据取完时(通常是因为已读取所有数据),isDone(obj)返回true
% ~逻辑非videoFrame = step(videoFReader); % 运行videoFReader算法,返回输出参数step(videoPlayer, videoFrame); % 对videoFrame运行videoPlayer算法
end
release(videoPlayer); %释放资源%% 设置播放方式
% 重置播放器reset(videoFReader) % 将图形对象属性重置为其默认值
% 增加播放器的尺寸
r = groot; % r = groot 用于存储图形根对象的句柄。要使用圆点表示法设置根属性,首先必须存储句柄
scrPos = r.ScreenSize;
%  Size/position is always a 4-element vector: [x0 y0 dx dy]
dx = scrPos(3); dy = scrPos(4);
videoPlayer = vision.VideoPlayer('Position',[dx/8, dy/8, dx*(3/4), dy*(3/4)]);
% 指定左下角和右上角的坐标
while ~isDone(videoFReader)videoFrame = step(videoFReader);step(videoPlayer, videoFrame);
end
release(videoPlayer);
reset(videoFReader)%% 获取视频中的图像
videoFrame = step(videoFReader);
n = 0;
while n~=15videoFrame = step(videoFReader);n = n+1;
end
figure, imshow(videoFrame) % 获得第15张图像
release(videoPlayer);

Matlab中fopen函数用法https://blog.csdn.net/jk_101/article/details/106494232

二、数据的预处理

数据质量三要素:准确性、完整性、一致性(格式不一致等)

两个影响因素:可信性(多少是用户信赖的)、可解释性 (是否容易理解)

数据类型的转换https://zhuanlan.zhihu.com/p/217597511 

缺失值处理:

一般可删除记录、数据插补和不处理。https://blog.csdn.net/yunlinzi/article/details/90300113

可插补方法方法描述
均值/中位数/众数插补

根据属性值的类型,

用该属性取值的平均数/中位数/众数进行插补。

使用固定值

将缺失的属性值用一个常量替换。

如广州一个工厂普通外来务工人员的“基本工资”属性的空缺值,

可以用2015年广州市普通外来务工人员工资标准1895元月,

该方法就是使用固定值。

最近临插补在记录中找到与缺失样本最接近的样本的该属性值插补
回归方法

对带有缺失值的变量,根据已有数据和与其有关的其他变量(因变量)的数据建立拟合模型来预测缺失的属性值。

插值法

插值法是利用已知点建立合适的插值函数f(x),

未知值由对应点求出的函数值f(x,)近似代替。

插值与拟合

插值与拟合的区别和联系

1、联系

    都是根据实际中一组已知数据来构造一个能够反映数据变化规律的近似函数的方法。

2、区别

    插值问题不一定得到近似函数的表达形式,仅通过插值方法找到未知点对应的值。

数据拟合要求得到一个具体的近似函数的表达式。

插值方法

        选用不同类型的插值函数,逼近的效果就不同,一般有:

1)最近邻算法插值(一维插值)

2)拉格朗日插值算法(一维插值)

3)双线性内插算法(二维插值)

4)分段线性插值(二维插值)

5)三次样条插值(二维插值)

6)克里金插值(地理学)

7)反距离权重插值算法(地理学)

  • Matlab 实现:实现分段线性插值不需要编制函数程序,它自身提供了内部的功能函数https://blog.csdn.net/qq_36666756/article/details/81983385
  • interp1(一维插值)
  • interp2(二维)
  • interp3(三维)
  • intern(n)

例:从11211小时内,每隔1小时测量一次温度,测得的温度的数值依次为:589152529313022252724.试估计每隔1/10小时的温度值.

hours=1:12;temps=[5 8 9 15 25 29 31 30 22 25 27 24];h=1:0.1:12;t=interp1(hours,temps,h,'spline');plot(hours,temps,'+',h,t,hours,temps,'r:')     %作图xlabel('Hour'),ylabel('Degrees Celsius’)

%1.先在三维坐标画出原始数据,画出粗糙的温度分布曲线图.%输入以下命令:x=1:5;
y=1:3;
temps=[82 81 80 82 84;79 63 61 65 81;84 84 82 85 86];
mesh(x,y,temps)%2.以平滑数据,在 x、y方向上每隔0.2个单位的地方进行插值.再输入以下命令:
xi=1:0.2:5;
yi=1:0.2:3;
zi=interp2(x,y,temps,xi',yi,'cubic');
mesh(xi,yi,zi)%画出插值后的温度分布曲面图.

例 在某海域测得一些点(x,y)处的水深z由下表给出,船的吃水深度为5英尺,在矩形区域(75200×-50150)里的哪些地方船要避免进入. 

%1.输入插值基点数据  
%2.在矩形区域(75,200)×(-50,150)进行插值。 
%3. 作海底曲面图 
%4.作出水深小于5的海域范围,即z=5的等高线%程序一:插值并作海底曲面图x  =[129.0  140.0  103.5  88.0  185.5  195.0  105.5 157.5  107.5  77.0  81.0  162.0  162.0  117.5 ];y =[ 7.5  141.5  23.0  147.0  22.5  137.5  85.5      -6.5  -81  3.0  56.5  -66.5  84.0  -33.5 ];z =[ 4  8  6  8  6  8  8  9  9  8  8  9  4  9 ];x1=75:1:200;y1=-50:1:150;[x1,y1]=meshgrid(x1,y1);z1=griddata(x,y,z,x1,y1,'v4');meshc(x1,y1,z1)%程序二:插值并作出水深小于5的海域范围。x1=75:1:200;y1=-50:1:150;[x1,y1]=meshgrid(x1,y1);z1=griddata(x,y,z,x1,y1,'v4');  %插值z1(z1>=5)=nan;   %将水深大于5的置为nan,这样绘图就不会显示出来meshc(x1,y1,z1)

异常值处理:

  • 异常值是数据集中偏离大部分数据的数据。
  • 从数据值上表现为:数据集中与平均值的偏差超过两倍标准差的数据,
  • 其中与平均值的偏差超过三倍标准差的数据,称为高度异常的异常值。

小波异常值提取

     信号的突变点和奇异点等不规则部分通常包含重要信息,一般信号的奇异性分为两种情况:

  1.     信号在某一时刻其幅值发生突变,引起信号的非连续,这种类型的突变称为第一类型的间断点;  
  2.     信号在外观上很光滑,幅值没有发生突变,但是信号的一阶微分有突变发生且一阶微分不连续,这种类型的突变称为第二类型的间断点
  3.      应用小波分析可以检测出信号中的突变点的位置、类型以及变化的幅度。

例:第一类型间断点的检测

  • 本例中,信号的不连续是由于低频特征的正弦信号在后半部分突然有高频特征的正弦信号加入,
  • 首先利用傅里叶变换分析对信号在频域进行分析,发现无检测突变点,
  • 接着利用小波分析进行分析,结果证明它能够准确地检测出了信号幅值突变的位置,即高频信号加入的时间点。
load freqbrk;x=freqbrk;%对信号进行傅里叶变换f=fft(x,1024);f=abs(f);figure;subplot(211);
plot(x);subplot(212);
plot(f);%使用db6小波进行6层[c,l]=wavedec(x,6,’db6’);figure(2);
subplot(811);
plot(x);
ylabel('x');%对分解的第六层低频系数进行重构a=wrcoef('a',c,l,'db6',6); 
subplot(812);
plot(a);
ylabel('a6');for i=1:6  %对分解的第6层到第1层的高频系数分别进行 d=wrcoef('d',c,l,'db6',7-i);subplot(8,1,i+2);plot(d);ylabel(['d',num2str(7-i)]);
end

经验第一类突变用db6小波分解 

第二类db4小波分解

load nearbrk;x=nearbrk;%使用db4对信号进行2层分解[c,l]=wavedec(x,2,‘db4’); subplot(411);
plot(x);
ylabel('x');%对分解的第六层低频系数进行重构a=wrcoef('a',c,l,'db4',2);subplot(412);     
plot(a);     
ylabel('a2');for i=1:2%对分解的第2层到第1层的高频系数进行重构a=wrcoef('a',c,l,'db4',3-i);subplot(4,1,i+2);plot(d);ylabel(['d',num2str(3-i)]);
end

去除首尾无效数据https://blog.csdn.net/FDA_sq/article/details/124250130

举例:铣削进刀过程

  • 信号数据的首部有铣削进刀过程导致的信号逐渐变大的数据,
  • 相应的图中数据尾部有一段结束铣削退刀造成的逐渐变小的数据,
  • 这两段数据为非正常铣削信号数据,因此是需要人工剔除的无效数据。

原理:

  1. 求取每次走刀过程首尾部无效数据的临界值:每次走刀原始数据的上四分位值Q。
  2. 原始数据的首部从前往后寻找第一个大于等于Q的数据作为进刀结束位置,剔除前面所有小于Q的信号数据;
  3. 同理,尾部从后往前寻找第一个大于等于Q的数据作为退刀开始位置,剔除后面所有小于Q的数据。
%使用函数:Q=quantile(x,y,z)         % x表示要求的矩阵或者向量;y的取值为表示要求的分位数,% 如四分之一中位数0.25,四分之三中位数0.75等;% z的取值为1或者2,若值为1则表示按列求四分位数,若为2表示按行求四分位数。% Q为计算的上四分位值,常用大小为 (1,n).%注:对于向量,
Q2=quantile(raw_data,0.75,1)%等同于Q3 = prctile(raw_data,75)

重复值剔除https://blog.csdn.net/qq_43657442/article/details/118891434

使用 unique 函数,

直接删除重复行

unique(A,'rows',setOrder)%其中,setOrder 参数有两种取值,默认是’sorted’ 即去掉重复后排序输出(以第一个元素大小位依据),%另一个是'stable' 代表去掉重复后按原来顺序输出

 示例

>> a=[1 0 1;1 0 1; 1 1 1;2 5 1; 1 1 1;0 1 2 ;0 4 5 ;0 1 2]a =1     0     11     0     11     1     12     5     11     1     10     1     20     4     50     1     2>> unique(a,'row','stable')ans =1     0     11     1     12     5     10     1     20     4     5>> unique(a,'row')ans =0     1     20     4     51     0     11     1     12     5     1>> 

按列删除重复行

[C,ia,ic] = unique(dataRed(:,1:2),'rows'):% 基于1、2列的数据查找dataRed中所有的唯一行。
% 指定三个输出以返回索引向量 ia 和 ic。uA = dataRed(ia,:)%使用 ia 对 dataRed 进行索引并检索包含前两列中元素的唯一组合的行。
  1. dataRed(:,1:2) 选择了 dataRed 中所有行的前两列。这通常是为了查找数据中某些列的唯一组合而不考虑其他列。
  2. 'rows' 参数告诉 MATLAB 在比较每个行时要考虑其顺序,因此只有包含相同值且相同顺序的行才会被视为相等。
  3. 执行 unique 函数,将前两列看作一个矩阵,并返回所有唯一行的排序结果。结果分别存储在三个变量 Cia 和 ic 中。

具体来说,输出参数包含以下内容:

  • C:一个矩阵,其中包含了输入矩阵的所有唯一行,按首次出现顺序排列。
  • ia:一个向量,其中包含了在输入矩阵中所选列的所有唯一行的索引。对于输入矩阵中的每个行,ia 中的相应元素是 C 中相应行的索引。
  • ic:一个向量,与输入矩阵大小相同,其中包含了输入矩阵中每个行的索引,以指示它在 C 中的位置。

假设有一个矩阵 dataRed 包含以下内容:

dataRed = [1, 2, 3;4, 5, 6;7, 8, 9;1, 2, 3;4, 5, 6];

 调用 unique 函数:

[C,ia,ic] = unique(dataRed(:,1:2),'rows');

 然后,MATLAB 将返回以下结果:

C =1     24     57     8ia =123ic =12312

这意味着,dataRed 矩阵中前两列的唯一组合是 (1, 2)(4, 5)(7, 8)

ia 向量包含了这些行在 C 矩阵中所处的位置,

ic 向量指示了矩阵 dataRed 中的每个行在 C 矩阵中的位置。 

matlab 找到非空的位置 去除重复数据/去除NaNhttps://blog.csdn.net/qq_20784777/article/details/126480643?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0-126480643-blog-118891434.235%5Ev35%5Epc_relevant_increate_t0_download_v2&spm=1001.2101.3001.4242.1&utm_relevant_index=3

找到非空的位置

matlab中find()函数用法 https://blog.csdn.net/qq_45767476/article/details/109081132

find()函数

​idx = find(isnan(data));
  • 用于查找一个向量或矩阵中所有包含 NaN(Not-a-Number)元素的下标索引。
  • 具体地说,该语句执行以下步骤:
  • isnan(data)返回一个与data相同大小的逻辑数组,其中包含了data中每个元素是否为NaN的信息。
  • 如果是NaN,则该位置为1;否则为0。
  • find()函数获取输入参数中非零元素的下标,因此对于isnan(data)返回的逻辑数组,
  • find()将会返回一个包含了所有为1的元素所在位置的下标向量。
  • 因此,最终得到的结果是一个列向量idx,其中包含了所有data中NaN值的下标索引。
idx = find(~isnan(data));
  • 用于查找一个向量或矩阵中所有不包含 NaN(Not-a-Number)元素的下标索引。
  • 具体地说,该语句执行以下步骤:
  • isnan(data)返回一个与data相同大小的逻辑数组,其中包含了data中每个元素是否为NaN的信息。
  • 如果是NaN,则该位置为1;否则为0。
  • 在此语句中,~运算符对逻辑数组进行求反操作,即将1变为0,0变为1。
  • 因此,得到的逻辑数组表示data中所有不是NaN的元素的位置。
  • find()函数获取输入参数中非零元素的下标,因此对于~isnan(data)返回的逻辑数组,
  • find()将会返回一个包含了所有为1的元素所在位置的下标向量。
  • 因此,最终得到的结果是一个列向量idx,其中包含了所有data中非NaN值的下标索引。

例如,假设有一个5x5的矩阵A,其中包含5个NaN值。

可以通过以下方式找到这些NaN值所在的位置:

A = [1 2 NaN 4 5;6 NaN 8 9 10;11 12 13 NaN 15;16 17 18 19 NaN;NaN 21 22 23 24];idx = find(isnan(A))

结果

idx =37122025

这意味着,A矩阵的第3、7、12、20和25个元素是NaN。 

可以通过以下方式找到这些非NaN值所在的位置: 

A = [1 2 NaN 4 5;6 NaN 8 9 10;11 12 13 NaN 15;16 17 18 19 NaN;NaN 21 22 23 24];idx = find(~isnan(A))

 结果

idx =124567891011121314151617181921222324

isnan()函数用法https://blog.csdn.net/Intangilble/article/details/83786589

isnan(A):
%判断数组的元素是否是NaN。(True for Not-a-Number.)%用法说明:
B = isnan(A)%返回一个与A相同维数的数组;
%若A的元素为NaN(非数值),在对应位置上返回逻辑1(真),否则返回逻辑0(假)。

例子

(InF 代表正无穷量;-InF 代表负无穷量;NaN代表非数值量;)

>>isnan([pi NaN Inf -Inf])ans =1×4 logical 数组0   1   0   0

[data  in] = unique(data(:, n)):b = unique(A)
b = unique(A,'rows')
[b,m,n] = unique(...)​%描述
%1、b = unique(A)  返回的是和A中一样的值,但是没有重复元素。产生的结果向量按升序排序。
%A可以是一个字符串的单元阵列。%2、b = unique(A,'rows')  返回的是A中的唯一的行数。%3、[b,m,n] = unique(...)  也返回索引向量m和n,使得B = A(M) 和 A= B(N). 
%m的每一个元素是最大的下标,使得B = A(M). 对于行的组合,B = A(M,:) 和 A= B(N,:) 

剔除异常值及平滑处理https://www.bilibili.com/read/cv9279417

使用深度学习进行“序列到序列”回归https://ww2.mathworks.cn/help/deeplearning/ug/sequence-to-sequence-regression-using-deep-learning.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/74355.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

端口映射教程vs快解析内网穿透

随着社会信息化的发展,很多人都开始关注网络问题,掌握一些基础的网络知识是非常有必要的。其中,端口映射作为一项重要的技术,在网络通信中起到了至关重要的作用。 端口映射在现实生活中有着广泛的应用。如果你是一位游戏爱好者&a…

极狐GitLab 全新「价值流仪表盘」使用指南

本文来源:about.gitlab.com 作者:Haim Snir 译者:极狐(GitLab) 市场部内容团队 GitLab / 极狐GitLab 价值流仪表盘的使用相对简单,这种可以定制化的仪表盘能够让决策者识别数字化转型进程中的趋势及机遇。 如果你已经在用 GitLab…

NGZORRO:动态表单/模型驱动 的相关问题

官网的demo的[nzFor]"control.controlInstance"&#xff0c;似乎是靠[formControlName]"control.controlInstance"来关联的。 <form nz-form [formGroup]"validateForm" (ngSubmit)"submitForm()"><nz-form-item *ngFor&quo…

day50-Insect Catch Game(捉虫游戏)

50 天学习 50 个项目 - HTMLCSS and JavaScript day50-Insect Catch Game&#xff08;捉虫游戏&#xff09; 效果 index.html <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta name"viewport"…

【MySQL】数据库基本使用

文章目录 一、数据库介绍二、数据库使用2.1 登录MySQL2.2 基本使用2.2.1 显示当前 MySQL 实例中所有的数据库列表2.2.2 创建数据库2.2.3 创建数据库表2.2.4 在表中插入数据2.2.5 在表中查询数据 三、服务器、数据库、表之间的关系四、SQL语句分类五、存储引擎 一、数据库介绍 …

图卷积网络(GCN)和池化

一、说明 GCN&#xff08;Graph Convolutional Network&#xff09;是一种用于图形数据处理和机器学习的神经网络架构。GCN 可以在图形中捕获节点之间的关系&#xff0c;从而能够更好地处理图形数据。GCN 可以沿着图形上的边缘执行滤波器操作&#xff0c;将每个节点的特征向量进…

中国艺术孙溟㠭篆刻作品《活着》

人人为生活挣扎着&#xff0c;做着不想做的事&#xff0c;说着不想说的话&#xff0c;为生活低头弯腰委屈求全人生苦多甜少&#xff0c;何时了&#xff01;何时了&#xff01;甜来人生到头了…… 孙溟㠭篆刻作品《活着》 孙溟㠭篆刻作品《活着》 孙溟㠭篆刻作品《活着》 文/九钵

python3GUI--我的翻译器By:PyQt5(附下载地址)

文章目录 一&#xff0e;前言二&#xff0e;展示1.主界面2.段落翻译3.单词翻译 三&#xff0e;设计1.UI设计2.软件设计3.参考 四&#xff0e;总结 一&#xff0e;前言 很早之前写过一篇python3GUI–翻译器By:PyQt5&#xff08;附源码&#xff09; &#xff0c;但是发现相关引擎…

设计模式之单例模式

单例模式 定义&#xff1a;保证一个类仅有一个实例&#xff0c;并提供一个访问它的全局访问点 引子&#xff1a;读取配置文件 很多地方要用到&#xff0c;如果每次都new 一个对象的话&#xff0c;会浪费内存资源。 改装成饿汉式&#xff08;饿汉式有线程并发问题&#xff0c…

【计算机网络】11、网桥(bridge)、集线器(hub)、交换机(switch)、路由器(router)、网关(gateway)

文章目录 一、网桥&#xff08;bridge)二、集线器&#xff08;hub&#xff09;三、交换机&#xff08;switch)四、路由器&#xff08;router&#xff09;五、网关&#xff08;gateway&#xff09; 对于hub&#xff0c;一个包过来后&#xff0c;直接将包转发到其他口。 对于桥&…

【Linux命令200例】cp用于复制文件和目录(常用)

&#x1f3c6;作者简介&#xff0c;黑夜开发者&#xff0c;全栈领域新星创作者✌&#xff0c;阿里云社区专家博主&#xff0c;2023年6月csdn上海赛道top4。 &#x1f3c6;本文已收录于专栏&#xff1a;Linux命令大全。 &#x1f3c6;本专栏我们会通过具体的系统的命令讲解加上鲜…

SpringBoot项目增加logback日志文件

一、简介 在开发和调试过程中&#xff0c;日志是一项非常重要的工具。它不仅可以帮助我们快速定位和解决问题&#xff0c;还可以记录和监控系统的运行状态。Spring Boot默认提供了一套简单易用且功能强大的日志框架logback&#xff0c;本文将介绍如何在Spring Boot项目中配置和…

Python web实战之 Django 的 ORM 框架详解

本文关键词&#xff1a;Python、Django、ORM。 概要 在 Python Web 开发中&#xff0c;ORM&#xff08;Object-Relational Mapping&#xff0c;对象关系映射&#xff09;是一个非常重要的概念。ORM 框架可以让我们不用编写 SQL 语句&#xff0c;就能够使用对象的方式来操作数据…

8.3 作业 c高级

1.递归实现&#xff0c;输入一个数&#xff0c;输出这个数的每一位&#xff1a; #include<myhead.h>void print_digit(int num) {if(num<10){printf("%d",num);puts("");}else{print_digit(num/10); //递归打印除最后一位外的数printf("%…

【数据结构】二叉树、二叉搜索树、平衡二叉树、红黑树、B树、B+树

概述 二叉树&#xff08;Binary Tree&#xff09;&#xff1a;每个节点最多有两个子节点&#xff08;左子节点和右子节点&#xff09;&#xff0c;没有限制节点的顺序。特点是简单直观&#xff0c;易于实现&#xff0c;但查找效率较低。 二叉搜索树&#xff08;Binary Search…

华为数通HCIP-PIM原理与配置

组播网络概念 组播网络由组播源&#xff0c;组播组成员与组播路由器组成。 组播源的主要作用是发送组播数据。 组播组成员的主要作用是接收组播数据&#xff0c;因此需要通过IGMP让组播网络感知组成员位置与加组信息。 组播路由器的主要作用是将数据从组播源发送到组播组成员。…

Flutter 添加 example流程

一、已有Flutter工程&#xff08;命令&#xff09;添加 example 1、cd 工程(flutter_plugin ,是自己创建的)根目录 例: flutter create example 执行命令创建example PS&#xff1a;cd example 后执行flutter doctor 后就可以看到效果 2、如果需要指定iOS/Android 语言,请添加…

Qt应用开发(基础篇)——数值微调输入框QAbstractSpinBox、QSpinBox、QDoubleSpinBox

目录 一、前言 二、QAbstractSpinBox类 1、accelerated 2、acceptableInput 3、alignment 4、buttonSymbols 5、correctionMode 6、frame 7、keyboardTracking 8、readOnly 9、showGroupSeparator 10、specialValueText 11、text 12、wrapping 13、信号 二、Q…

微信小程序 - 解析富文本插件版们

一、html2wxml 插件版 https://gitee.com/qwqoffice/html2wxml 申请使用注意事项 插件版本解析服务是由 QwqOffice 完成&#xff0c;存在不稳定因素&#xff0c;如对稳定性有很高的要求&#xff0c;请自行搭建解析服务&#xff0c;或在自家服务器上直接完成解析。对于有关插…

【Linux】 UDP网络套接字编程

&#x1f34e;作者&#xff1a;阿润菜菜 &#x1f4d6;专栏&#xff1a;Linux系统网络编程 文章目录 一、网络通信的本质&#xff08;port标识的进程间通信&#xff09;二、传输层协议UDP/TCP认识传输层协议UDP/TCP网络字节序问题&#xff08;规定大端&#xff09; 三、socket编…