数据预处理（随机过采样、标签编码、独热编码、随机划分数据集、标准化）

%% 对原始数据进行随机过采样 % 假设原始数据存储在一个名为data的矩阵中，每一行代表一个样本，最后一列代表样本的类别标签 % 计算每个类别的样本数量 unique_labels = unique(data(:, end)); num_classes = numel(unique_labels); class_counts = histcounts(data(:, end), [unique_labels; max(unique_labels)+1]); % 获取每个类别样本数量最多的数量 max_count = max(class_counts); % 创建一个空矩阵，用于存储过采样后的数据 oversampled_data = []; % 对每个类别进行过采样 for i = 1:num_classes % 提取当前类别的样本 class_data = data(data(:, end) == unique_labels(i), :); % 计算需要过采样的数量 num_oversample = max_count - class_counts(i); % 随机重复抽样，过采样，直到达到目标数量 oversampled_samples = randsample(size(class_data, 1), num_oversample, true); oversampled_class_data = class_data(oversampled_samples, :); % 将过采样后的样本添加到结果中 oversampled_data = [oversampled_data; class_data; oversampled_class_data]; end data=[oversampled_data(:,1:8);x_vali] %% 对原始数据中的定类数据进行标签编码 % 原始定类数据 data = {'A'; 'B'; 'C'; 'A'; 'C'; 'B'; 'B'}; % 标签编码 encoded_data = grp2idx(data); % 输出结果 disp(encoded_data); %% 对原始数据中的定类数据进行独热编码 % 假设原始数据存储在一个名为data的矩阵中，每一行代表一个样本，每一列代表一个特征 % 假设需要对第三列进行独热编码 feature_column = 3; % 提取需要进行独热编码的特征列 feature_data = data(:, feature_column); % 获取特征列的取值范围 unique_values = unique(feature_data); % 创建一个全零的矩阵，用于存储独热编码后的结果 one_hot_encoded = zeros(size(data, 1), numel(unique_values)); % 对每个样本进行独热编码 for i = 1:size(data, 1) value = feature_data(i); % 确定当前取值在unique_values中的索引 index = find(unique_values == value); % 将对应位置设置为1 one_hot_encoded(i, index) = 1; end % 将原始数据和独热编码结果合并在一起 data_with_one_hot = [data(:, 1:feature_column-1) one_hot_encoded data(:, feature_column+1:end)]; %% 对定量数据进行标准化 data_num=[data_with_one_hot(:,1:2),data_with_one_hot(:,8:12)] % 假设原始数据存储在一个名为data的矩阵中，每一行代表一个样本，每一列代表一个特征 % 计算每个特征的均值和标准差 mean_values = mean(data_num); std_values = std(data_num); % 进行标准化 normalized_data = (data_num - mean_values) ./ std_values; %% 数据预处理结束获得训练数据 data=[normalized_data(1:660,1:2),data_with_one_hot(1:660,3:7),normalized_data(1:660,3:7),oversampled_data(1:660,9)] x_vali=[normalized_data(661:680,1:2),data_with_one_hot(661:680,3:7),normalized_data(661:680,3:7)] %% 划分数据集 % 加载数据集 X = data(:,1:12); % 特征矩阵 y = data(:,13); % 标签向量 % 随机划分训练集和测试集 trainRatio = 0.7; % 训练集比例 testRatio = 0.3; % 测试集比例 % 随机划分 [trainInd,testInd] = dividerand(size(X,1), trainRatio, testRatio); % 训练集 X_train = X(trainInd,:); y_train = y(trainInd); % 测试集 X_test = X(testInd,:); y_test = y(testInd);