MATLAB数据分析方法 封面

MATLAB数据分析方法

评分 4.8
字数
35.2万字
章节数
27
丛书
普通高等院校计算机课程规划教材
ISBN
9787111362876

标签

内容简介

《MATLAB数据分析方法》是机械工业出版社“普通高等院校计算机课程规划教材”之一,由安徽财经大学统计与应用数学学院的李柏年、吴礼斌等编写。全书以 MATLAB 为实践平台,把数据分析的理论、算法与编程实现结合起来,让读者既能理解统计方法的原理,也能亲手写出可运行的分析程序。 全书共分 7 章:第 1 章介绍 MATLAB 的基本操作、变量与函数、矩阵与数组运算、M 文件与流程控制,为后续方法打基础;第 2 章讲数据描述性分析,包括基本统计量、样本数据可视化、数据分布检验,以及 Box-Cox 变换等数据变换方法与综合评价模型;第 3 章讲回归分析,涵盖一元线性与非线性回归、多元线性回归、逐步回归;第 4 章讲判别分析,包括距离判别、贝叶斯判别及判别准则的评价;第 5 章讲主成分分析与典型相关分析;第 6 章讲聚类分析;第 7 章讲数值模拟分析。 书中每章都配有习题,并安排了联系实际的综合性、分析性实验,强调“概念与理论先行、MATLAB 求解落地”的教学思路。本书主要面向计算机科学与技术、信息与计算科学、统计学等专业本科生,也可作为相关专业选修课教材,并可供硕士研究生和科技工作者参考。

编辑推荐

这是一本“够用而不厚重”的数据分析入门教材。它没有把统计理论写得玄奥,也没有把 MATLAB 讲成命令手册,而是把七类常用数据分析方法——描述性分析、回归、判别、主成分与典型相关、聚类和数值模拟——逐一拆成“原理—算法—代码—实例”四段,读者照着做就能跑出结果。 本书的几个好处:一是结构清晰,章节顺序基本对应一门学期的课程安排,前两章打底,后面按方法递进,方便教学也方便自学;二是代码与案例并重,每章末尾都配有综合实验,读完一个方法马上能动手验证;三是作者长期从事统计与 MATLAB 教学,例题设置贴近实际数据问题,不搞脱离场景的纯公式演练。第 1 版曾被多所高校选用为教材或教学参考书,在读者中口碑良好。 需要提醒的是,书中示例基于较早版本的 MATLAB(MATLAB 7.0 界面及相应函数),新版 MATLAB 的部分函数行为与推荐写法已有变化,建议读者在使用时留意版本差异,必要时查阅官方文档。对于想从统计方法和编程实现两条线同时入手的学习者,这本书是一个性价比很高的起点。

适合谁读

适合

  • 计算机、统计、信息与计算科学等专业本科生,作为数据分析与 MATLAB 课程教材或配套读物
  • 需要把回归、判别、聚类等经典统计方法用 MATLAB 实现的研究生与科研人员
  • 有基本数学基础、希望系统补齐数据分析方法并动手编程的自学者
  • 做课程设计、毕业设计或数学建模、需要现成方法与代码模板的读者

不适合

  • 完全没有统计与线性代数基础、希望跳过理论直接套代码的零基础读者
  • 关注深度学习、大数据分布式计算等现代工程实践、希望学习最新工具链的从业者
  • 需要紧跟新版 MATLAB 语法与函数接口、把本书当作命令速查手册的读者

阅读建议

  1. 先通读第 1 章并动手敲一遍示例,确保矩阵运算与 M 文件流程控制过关,再进入后续方法章节。
  2. 每章按“读原理—抄代码—换自己的数据重跑—解释结果”的顺序推进,实验题不要跳过。
  3. 留意书中基于较早版本 MATLAB 的函数写法,遇到报错或警告先查官方文档,理解新版本的替代写法。
  4. 可按需抽取章节阅读:做预测重点看第 3、4、7 章,做降维与分类重点看第 5、6 章。

出版社简介

机械工业出版社 中国 · 成立于 1950 年

机械工业出版社(China Machine Press)在科技与专业出版之外,库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论,并涉及压力与健康、成瘾与疗愈等应用议题;计算机领域有《计算机程序的构造和解释(JavaScript版)》;管理与财经类包括《管理行为(原书第4版)》《不平等的代价(珍藏版)》《这次不一样:八百年金融危机史(纪念版)》;科学哲学与科学史方面则有《世界观(原书第3版)》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限,以上仅据库内图书归纳其出版面貌。

目录

  1. 前言
  2. 教学建议
  3. 第1章 MATLAB基础
  4. 1.1 数据分析与MATLAB
  5. 1.2 MATLAB简介
  6. 1.3 变量与函数
  7. 1.4 矩阵及其运算
  8. 1.5 M文件与编程
  9. 1.6 MATLAB通用操作实例
  10. 第2章 数据描述性分析
  11. 2.1 基本统计量与数据可视化
  12. 2.2 数据分布及检验
  13. 2.3 数据变换
  14. 实验1 数据统计量及其分布检验
  15. 第3章 回归分析
  16. 3.1 一元回归模型
  17. 3.2 多元线性回归模型
  18. 3.3 逐步回归
  19. 实验2 多元线性回归与逐步回归
  20. 第4章 判别分析
  21. 4.1 距离判别分析
  22. 4.2 判别准则的评价
  23. 4.3 贝叶斯判别分析
  24. 实验3 距离判别与贝叶斯判别分析
  25. 第5章 主成分分析与典型相关分析
  26. 第6章 聚类分析
  27. 第7章 数值模拟分析

常见问题

这本书第 1 版和第 2 版有什么区别?
第 1 版 2012 年出版,ISBN 9787111362876,共 7 章、约 35.2 万字。第 2 版(2017 年,ISBN 9787111558507)在保持原框架的基础上更新了例题数据、补充了神经网络模式识别与预测的内容,并按新版 MATLAB 优化了部分程序。选购时建议先看清版次。
书中的程序能在新版 MATLAB 上运行吗?
书中示例主要基于较早版本的 MATLAB 编写与验证,大部分基础统计函数仍然可用,但界面说明、部分函数参数与推荐写法已有变化。运行报错时,建议对照官方文档调整参数或改用新版推荐函数,核心方法逻辑不受影响。
阅读本书需要什么数学基础?
需要了解基本的概率统计(均值、方差、分布检验)和线性代数(矩阵运算、特征值)知识,再加上一点微积分常识即可。书中对方法原理有讲解,但不会从零补数学课,基础薄弱者可配合一本统计学教材同步阅读。
这本书适合作为考研或课程教材使用吗?
可以。全书 7 章结构完整、每章配有习题和综合实验,与多所高校的数据分析、MATLAB 与数学实验类课程安排较为契合,也曾被不少院校选为教材或教学参考书。是否适配具体课程,建议对照任课教师的考纲与章节安排。
书中包含神经网络内容吗?
第 1 版以描述性分析、回归、判别、主成分与典型相关、聚类、数值模拟为主;第 2 版新增了应用神经网络进行模式识别与预测的内容。若你关注神经网络部分,请确认自己拿到的是第 2 版。

读者评论

查询本书

本站为索引目录:「全网查询」由您发起、在您的浏览器中运行,所列入口均指向第三方站点,请自行判断可用性。

同类高分