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。

$ W# p( U' |+ P+ l& E/ ~8 k0 p
- ?8 \7 q3 ~2 B& q.mat数据集说明
- x6 u8 i/ I. E& v& g* ]5 T 数据集名称GLIOMA

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）
4 z  @( @/ U, B* D1 \4 V

& {9 U9 o+ H, O' V7 C( y- \9 I
Ins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。

% ~% H! |5 P! A, d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）
1 S/ o1 [$ T! k' n0 h( T
: e; O7 p3 P7 A( X
1 O! Q* f5 Q- i* T3 S3 G
" _, ^4 s6 \1 x: h打开lab矩阵
3 s, o! _  ], G, ?% k8 C( r6 v+ M  l3 j


1 L1 P4 H9 A0 x+ x$ H+ M2 b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。
7 K- _7 H* l/ p! W% v- w
数据集划分为训练集和测试集代码
1 ^3 Y4 J5 p/ X' a10折划分
/ w7 B# ]7 @: V6 N7 S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。
  

• 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
  3 i  q7 F% S7 ]% o

; s1 l. Z" ~" Z) @$ d
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
$ Y& y  ~7 K0 h8 w+ G
7 i( n9 ?$ \& n# e0 ^/ p

• function [train_F,train_L,test_F,test_L] = DIVDATA37(dataName)
• file = ['dataset/',dataName,'.mat'];
• load(file)
• 
  7 _/ Q  w7 n& R* R% j8 y- i3 a
• 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]));
• 
  ( ?7 S6 n9 B. \9 S* r+ W- X
• 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
  

   
2 V! J" e% V# d' z: O8 g3 x+ A

CCxiaom

机器学习数据集制作与划分MATLAB实现