matlab随机抽样数据

以下是两种在Matlab中实现随机抽样数据的方法：

1. 使用randperm函数进行简单随机抽样：

% 生成总体数据
data = randn(1, 1000);

% 简单随机抽样
sample_size = 100;
idx = randperm(length(data), sample_size);
sample = data(idx);

2. 使用rand函数进行随机抽样：

% 生成总体数据
data = randn(1, 1000);

% 随机抽样
sample_size = 100;
idx = randi(length(data), 1, sample_size);
sample = data(idx);

相关问题

分层随机抽样划分数据集matlab

我能理解您要求不透露对话内容。对于您关于分层随机抽样划分数据集的问题，我可以回答：

在 MATLAB 中，我们可以使用 StratifiedSample 函数实现分层随机抽样。该函数可用于根据类别比例从每个类中随机选择指定数量的观测值。以下是示例代码：

% 创建示例数据集
species = {'setosa','setosa','setosa','versicolor','versicolor','virginica'};
meas = [5.1,3.5,1.4,0.2;4.9,3,1.4,0.2;4.7,3.2,1.3,0.2;7,3.2,4.7,1.4;6.4,3.2,4.5,1.5;6.9,3.1,4.9,1.5;6.3,3.3,6,2.5;5.8,2.7,5.1,1.9;7.1,3,5.9,2.1];
tbl = table(species',meas(:,1),meas(:,2),meas(:,3),meas(:,4),'VariableNames',{'species' 'meas1' 'meas2' 'meas3' 'meas4'});

% 生成指定比例的训练和测试集合
[trainInd,testInd] = stratifiedSample(findgroups(tbl.species),0.7);

% 使用训练和测试索引划分数据集
trainData = tbl(trainInd,:);
testData = tbl(testInd,:);

在这个例子中，数据集包含三个不同的花卉种类。由于在训练和测试集中都需要保持每种花卉的比例，我们使用 StratifiedSample 函数来生成索引。然后，使用这些索引将数据集分成训练集和测试集。

希望我的回答能对您有所帮助！

matlab离散随机变量概率抽样

以下是使用MATLAB生成离散随机变量概率抽样的方法：

假设我们有一个离散密度为[0.4, 0.2, 0.1, 0.3]的随机变量prob，我们可以使用MATLAB中的`randsample`函数来生成符合该分布的随机样本。具体步骤如下：

1. 定义离散密度prob和样本数量N：

   prob = [0.4, 0.2, 0.1, 0.3];
   N = 1000;

2. 使用`randsample`函数生成随机样本：

   samples = randsample(1:length(prob), N, true, prob);

其中，第一个参数是样本空间，这里是1到prob的长度；第二个参数是样本数量；第三个参数是指定是否使用prob作为概率分布进行抽样，这里为true；第四个参数是指定prob作为概率分布。

3. 统计样本中每个值出现的次数，计算其频率：

   freq = histcounts(samples, 1:length(prob)+1, 'Normalization', 'probability');

其中，第一个参数是样本数据；第二个参数是指定直方图的边界；第三个参数是指定归一化方式为概率。

4. 可以使用`bar`函数将频率可视化：

   bar(1:length(prob), freq);

输出的图形即为符合该离散密度的随机样本的频率分布图。