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。

.mat数据集说明
6 m, N& ?+ e4 z1 H4 s" D 数据集名称GLIOMA
2 i" U% Y8 L7 B3 K" g5 \% _" k
/ q) F% U9 f8 J& [7 _- e* H+ @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）
9 R( P: i8 b- f9 I. U4 N1 ~" f
; R/ I& M9 W# z' s
1 \" L  y/ [6 d+ Y" d6 |3 s3 r8 C
' L5 g* v, i( `8 M) FIns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。
9 I& G/ |* H" O
! D( P& X2 B* R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）
+ g+ z5 u$ S2 K! o
3 m  k% g1 M6 H
' o" h: z6 N0 p+ A/ u
打开lab矩阵


8 Y) g. k/ P+ e! K, q/ Y4 N! w
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。

数据集划分为训练集和测试集代码
4 |' h* m0 r) ~: K% m9 T10折划分
' K% l* j" a. ^  Q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。
  # {/ H7 O5 c% `

! Z/ A; B9 h4 {/ r$ X6 f+ |4 S% i

• 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
  1 F/ N. g1 c/ J& ?$ T8 m

- `  A7 M5 ^3 F4 G; M2 a三七划分
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
! e2 I+ q% l2 @! x4 t

• function [train_F,train_L,test_F,test_L] = DIVDATA37(dataName)
• file = ['dataset/',dataName,'.mat'];
• load(file)
• 
  : [# {1 E3 A& A1 B. Q
• dataMat=ins;
• len=size(dataMat,1);
• %归一化
• 
  
• maxV = max(dataMat);
• minV = min(dataMat);
• range = maxV-minV;
• newdataMat = (dataMat-repmat(minV,[len,1]))./(repmat(range,[len,1]));
• 
  2 c7 J4 G5 a, N7 g* r
• 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
  

   

CCxiaom

机器学习数据集制作与划分MATLAB实现