用R将数据13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70 - 使用最小-最大规范化映射到 [0,1] 区间，并写出35对应的值 - 使用z分数规范化变化 35 - 使用小数定标规范化变换 35 - 使用深度为 3 的箱，用箱均值光滑数据。

# 最小-最大规范化
data <- c(13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70)

min_max <- (data - min(data)) / (max(data) - min(data))

35对应的值 <- (35 - min(data)) / (max(data) - min(data))
35对应的值 # [1] 0.5641026

# z分数规范化
z_score <- (data - mean(data)) / sd(data)
z_score[which(data == 35)] # [1] -0.06216641

# 小数定标规范化
k <- ceiling(log10(max(abs(data))))
decima_scale <- data / 10^k
decima_scale[which(data == 35)] # [1] 0.35

# 箱均值光滑数据
box <- cut(data, breaks = quantile(data, probs = seq(0,1,0.25)), include.lowest = TRUE)
box_mean <- tapply(data, box, mean)
new_data <- box_mean[as.character(box)]
new_data[which(data == 35)] # [1] 33.125

相关问题

使用以下数据，用matlab进行生存分析的代码，其中输入的数值表示小鼠存活的只数，x = 2:2:30 control = [18 18 18 18 18 18 18 18 18 18 16 16 16 15 11] treat = [25 25 25 25 25 25 25 25 24 21 21 21 20 19 18]

以下是使用MATLAB进行生存分析的代码：

% 定义实验组和对照组的存活数据
x = 2:2:30; 
control = [18 18 18 18 18 18 18 18 18 18 16 16 16 15 11];
treat = [25 25 25 25 25 25 25 25 24 21 21 21 20 19 18];

% 将实验组和对照组的存活数据转换为事件数据
control_event = ones(size(control));
treat_event = ones(size(treat));
control_event(end) = 0;
treat_event(end) = 0;

% 对实验组和对照组的事件数据进行生存分析
control_surv = survival(control, control_event, 'interval', x);
treat_surv = survival(treat, treat_event, 'interval', x);

% 绘制生存曲线
figure;
plot(control_surv.Time, control_surv.Survival, 'b-', 'LineWidth', 2);
hold on;
plot(treat_surv.Time, treat_surv.Survival, 'r-', 'LineWidth', 2);
xlabel('时间', 'FontSize', 14);
ylabel('生存率', 'FontSize', 14);
title('小鼠生存分析', 'FontSize', 16);
legend('对照组', '实验组', 'FontSize', 14, 'Location', 'best');

在该代码中，我们首先将实验组和对照组的存活数据转换为事件数据，其中每个元素表示一个小鼠的存活状态，1表示存活，0表示死亡。最后一个元素表示最后一个时间间隔的存活状态，因此需要将其设置为0，表示所有小鼠在最后一个时间间隔内都已死亡。然后，我们使用MATLAB中的`survival`函数对实验组和对照组的事件数据进行生存分析，得到了对应的生存函数`control_surv`和`treat_surv`。最后，我们使用`plot`函数绘制了对照组和实验组的生存曲线，并使用`xlabel`、`ylabel`和`title`函数设置了图表的标题和标签。最后，我们使用`legend`函数添加了图例，以便更好地展示对照组和实验组的生存曲线。

使用以下数据，用matlab中survfit函数进行生存分析的代码，其中输入的数值表示小鼠存活的只数，x = 2:2:30 control = [18 18 18 18 18 18 18 18 18 18 16 16 16 15 11] treat = [25 25 25 25 25 25 25 25 24 21 21 21 20 19 18]

以下是使用MATLAB中的survfit函数进行生存分析的代码：

% 定义实验组和对照组的存活数据
x = 2:2:30; 
control = [18 18 18 18 18 18 18 18 18 18 16 16 16 15 11];
treat = [25 25 25 25 25 25 25 25 24 21 21 21 20 19 18];

% 对实验组和对照组的存活数据进行生存分析
[control_surv, control_time] = survfit(control, x);
[treat_surv, treat_time] = survfit(treat, x);

% 绘制生存曲线
figure;
plot(control_time, control_surv, 'b-', 'LineWidth', 2);
hold on;
plot(treat_time, treat_surv, 'r-', 'LineWidth', 2);
xlabel('时间', 'FontSize', 14);
ylabel('生存率', 'FontSize', 14);
title('小鼠生存分析', 'FontSize', 16);
legend('对照组', '实验组', 'FontSize', 14, 'Location', 'best');

在该代码中，`survfit`函数用于进行生存分析，它的第一个参数表示存活数据，第二个参数表示时间。在代码中，我们将对照组和实验组的存活数据传递给`survfit`函数，得到了对应的生存函数`control_surv`和`treat_surv`以及时间`control_time`和`treat_time`。然后，我们使用`plot`函数绘制了对照组和实验组的生存曲线，并使用`xlabel`、`ylabel`和`title`函数设置了图表的标题和标签。最后，我们使用`legend`函数添加了图例，以便更好地展示对照组和实验组的生存曲线。