您可以使用Live Editor任务序列交互式地预处理数据,可视化每个步骤中的数据。这个例子使用了四个任务来清除带有缺失值和离群值的噪声数据,以识别局部最小值和最大值。有关实时编辑器任务的更多信息,请参见向活动脚本添加交互式任务.
首先,创建并绘制一个包含4个杂乱数据的向量南
值和5个异常值。
x = 1:10 0;data = cos(2 *π* 0.05 * x + 2 *π*兰德)+ 0.5 * randn (1100);数据(20:20:80)=南;数据(10:20:90)= [-50 40 30 -45 35];情节(x,数据)
来代替南
值并可视化结果,打开清洁缺失的数据的任务。首先输入关键字失踪
在代码块中,然后单击清洁缺失的数据
当它出现在菜单中。选择输入数据和清理方法,自动绘制填充数据。
属性,现在可以从前一个任务中清理的数据中删除离群值干净的异常数据的任务。输入关键字离群值
在新代码块中单击干净的异常数据
打开任务。选择cleanedData
作为输入数据。您可以自定义清理和检测异常值的方法,并调整阈值以发现更多或更少的异常值。
接下来,使用平滑的数据的任务。输入关键字光滑的
并在任务出现时单击它。选择cleanedData2
,将前一个任务的输出作为输入数据。选择一个平滑的方法,并调整平滑因子或多或少的平滑。
最后,开始键入关键字极值
并点击找到当地的极值
.使用smoothedData
为输入数据,并改变极值类型,以找到清理后的数据的局部极大值和局部极小值。你可以调整局部极值参数来找到更多或更少的最大值和最小值。
要查看任务用于生成输出和可视化的代码,请单击任务窗口底部、图上方的箭头。
该任务显示代码块,您可以剪切和粘贴该代码块,以便稍后在现有脚本或其他程序中使用或修改。例如:
因为底层代码现在是活动脚本的一部分,所以您可以继续使用任务创建的变量进行进一步处理。例如,你可以用maxIndices
为了在平滑数据中找到相应的局部最大值,然后计算平均值:
fillmissing
|filloutliers
|ischange
|islocalmax
|islocalmin
|ismissing
|isoutlier
|rmmissing
|rmoutliers
|smoothdata