matlab数据预处理之数据清洗

数据清洗是一个非常重要的数据预处理步骤，其目的是删除数据集中的错误，缺失值和异常值。MATLAB提供了多种数据清洗技术和函数，包括：

1. 删除含有缺失值的行或列：

使用函数“isnan”可以检测数据集中的缺失值。如下所示，可以删除含有缺失值的行或列：

data = [1,NaN,3; 4,5,6; 7,8,NaN];
dataCleaned = data(~any(isnan(data),2),:) %删除含有缺失值的行
dataCleaned = data(:,~any(isnan(data),1)) %删除含有缺失值的列

2. 填补缺失值：

使用函数“fillmissing”可以填补缺失值。如下所示，可以使用平均值来填补缺失值：

data = [1,NaN,3; 4,5,6; 7,8,NaN];
dataFilled = fillmissing(data,'mean')

3. 删除离群值：

使用函数“isoutlier”可以检测数据集中的离群值。如下所示，可以删除离群值：

data = [1,2,3,20; 4,5,6,30; 7,8,9,40; 10,11,12,50];
dataCleaned = data(~isoutlier(data),:)

4. 数据归一化：

使用函数“normalize”可以对数据进行归一化。如下所示，可以使用标准差来归一化数据集：

data = [1,2,3; 4,5,6; 7,8,9];
dataNormalized = normalize(data)

5. 数据平滑：

使用函数“smoothdata”可以对数据进行平滑处理。如下所示，可以使用移动平均法对数据进行平滑处理：

data = [1,2,3,4,5];
dataSmoothed = smoothdata(data,'movmean',3)