机器学习数据集制作与划分MATLAB实现

本文共731个字,预计阅读时间需要2分钟。

.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。

相关文章

机器学习数据集的基本概念


.mat数据集说明

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)

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。

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)

打开lab矩阵

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

10折划分

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。

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

 

读者评分
[评分人数: 0 平均分: 0]

5 位极客在 “机器学习数据集制作与划分MATLAB实现” 留下足迹

评论