检查缺失值和异常值的具体代码

在MATLAB中，你可以使用以下代码段来检查和处理缺失值和异常值：

**检查缺失值：**

% 加载数据
data = readtable('TrainingData.xlsx');

% 检查缺失值
missings = ismissing(data); % 返回布尔矩阵，TRUE表示缺失值
if any(missings)
    disp('存在缺失值：');
    disp(table('VariableNames', data.Properties.VariableNames, 'RowNames', data.Properties.VariableNames, 'Data', missings'));
    
    % 处理缺失值（例如，用平均值填充）
    if strcmp(data.Properties.VariableClass, 'double') % 如果所有列都是数值型
        for i = 1:size(data, 2)
            if all(missings(i,:))
                data{:,i} = mean(~missings, 'omitnan'); % 填充平均值
            end
        end
    else % 对非数值型变量，通常不直接填充
        disp('对非数值型变量暂不处理缺失值，可考虑删除这些行或列');
    end
end

**异常值检测（这里以IQR方法为例）：**

% 计算四分位数间距 (Q3-Q1)
Q1 = quantile(data{:,'A':'D'}, [0.25]);
Q3 = quantile(data{:,'A':'D'}, [0.75]);
IQR = Q3 - Q1;

% 创建新的布尔矩阵，标识潜在异常值
outliers = data{:,'A':'D'} > Q3 + 1.5*IQR | data{:,'A':'D'} < Q1 - 1.5*IQR;

% 显示异常值
disp('可能存在异常值的位置：');
disp(outliers);

% 删除异常值（如果需要，注意这将改变原始数据）
data = data(~any(outliers, 2), :);

**相关问题--:**
1. 如何在MATLAB中删除含有异常值的记录？
2. 怎样在数据预处理阶段进行归一化或标准化？
3. 除了IQR方法，还有哪些常见的异常值检测算法？