机器学习数据集制作与划分MATLAB实现

uqHZau

.mat数据集制作

若整个数据集是一个.mat文件且最后一列数据时标签，则单独将决策变量和标签划分开，一个为ins，另一个为lab。

: G5 p8 ~4 Q; @& f$ n.mat数据集说明
# H; e* j4 Y6 O+ F1 i. A 数据集名称GLIOMA
" B6 k- ?# y& y* Y2 K: ?7 \0 {
GIOMA包含两个矩阵，一个是实例矩阵或者叫决策变量（ins），另一个是标签矩阵（lab）


: L0 _4 k# ]! S1 {, E9 P
2 F7 {  b( g* r; W; X* j' h$ k0 eIns矩阵大小50*4434，说明该GLIOMA数据集有50个实例（样本），有4434个特征，这50个实例（样本），每一个实例有一个对应的标签lab，标签就是类别。
7 F! U- m* J) [' H% p2 L
打开Ins矩阵，有50行说明有50个实例（样本），有4434列说明有4434个特征（太多了显示不了），这里面的任意一个值（标量）叫做特征值，任意一列是特征向量（列向量），任意一行是实例向量（行向量）



6 x0 O- ?+ R; y" N6 ]打开lab矩阵
; L( Y. L3 N  r  ^


有50个标签，标签就是类别（比如1代表幼儿，2代表青年，以此类推），可以看到这是一个具有4个类别的数据集。

1 W( E1 w& a+ T! z/ v* b数据集划分为训练集和测试集代码
$ S2 T7 a" A. u; }( I: ~$ v; ]. W1 I10折划分
3 H+ c- s( ]+ f% r说明：

• ①在代码目录下，新建文件夹dataset，将.mat数据集放入其中
• ②输入dataName是一个字符串，如数据集名称为GLIOMA.mat，则输入的dataName为 ‘GLIOMA’（不要加.mat）
• ③iter是算法运行的次数，运行第一次调用第一个随机划分的值，运行第i次调用第i次随机划分的值
• ④Indices是随机划分数据集的索引，iter = 1是生成，之后的则读取第一次生成的文件。
  

1 H% q0 V. h/ |0 s8 [) P& C
) C' \! R4 }& Q2 l; F5 a+ }6 A

• function [train_F,train_L,test_F,test_L] = DIVDATA10fold(dataName,iter)
• file = ['dataset/',dataName,'.mat'];
• load(file)
• fold = 10
• dataMat=ins;
• len=size(dataMat,1);
• maxV = max(dataMat);
• minV = min(dataMat);
• range = maxV-minV;
• newdataMat = (dataMat-repmat(minV,[len,1]))./(repmat(range,[len,1]));
• if mod(iter, 10) == 1
•     Indices   =  crossvalind('Kfold', length(lab), fold);
•     save Indices;
• else
•     load Indices;
• end
• site = find(Indices==iter);
• test_F = newdataMat(site,：）;
• test_L = lab(site);
• site2 = find(Indices~=iter);
• train_F = newdataMat(site2,：）;
• train_L =lab(site2);
• end
  

三七划分
' ?4 t: ?* X$ P! m* I三七划分和十折划分类似，只是少了个输入参数和全局变量
& i/ X& F* |  ~/ M$ P
7 I( l- z( @$ G

• function [train_F,train_L,test_F,test_L] = DIVDATA37(dataName)
• file = ['dataset/',dataName,'.mat'];
• load(file)
• 
  ' F( x. I3 x8 @0 F, W) j
• dataMat=ins;
• len=size(dataMat,1);
• %归一化
• 
  ) L! K- h7 n- Y
• maxV = max(dataMat);
• minV = min(dataMat);
• range = maxV-minV;
• newdataMat = (dataMat-repmat(minV,[len,1]))./(repmat(range,[len,1]));
• 
  
• Indices   =  crossvalind('Kfold', length(lab), 10);
• site = find(Indices==1|Indices==2|Indices==3);
• test_F = newdataMat(site,：）;
• test_L = lab(site);
• site2 = find(Indices~=1&Indices~=2&Indices~=3);
• train_F = newdataMat(site2,：）;
• train_L =lab(site2);
• end
  5 v  o0 X! s1 p9 @* D/ L: ^7 P

   
7 s' S% L) ?& g2 `# }9 B

CCxiaom

机器学习数据集制作与划分MATLAB实现