uci資料庫中的股票數據集

㈠ uci資料庫的例子

下面以UCI中IRIS為例介紹一下數據集：

ucidatairis中有三個文件：
Index
iris.data
iris.names
index為文件夾目錄，列出了本文件夾里的所有文件，如iris中index的內容如下：
Index of iris
18 Mar 1996 105 Index
08 Mar 1993 4551 iris.data
30 May 1989 2604 iris.names
iris.data為iris數據文件，內容如下：
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
……
7.0,3.2,4.7,1.4,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
……
6.3,3.3,6.0,2.5,Iris-virginica
6.4,3.2,4.5,1.5,Iris-versicolor
5.8,2.7,5.1,1.9,Iris-virginica
7.1,3.0,5.9,2.1,Iris-virginica
……
如上，屬性直接以逗號隔開，中間沒有空格（5.1,3.5,1.4,0.2,），最後一列為本行屬性對應的值，即決策屬性Iris-setosa
。
iris.names介紹了irir數據的一些相關信息，如數據標題、數據來源、以前使用情況、最近信息、實例數目、實例的屬性等，如下所示部分：
……
7. Attribute Information:
1. sepal length in cm
2. sepal width in cm
3. petal length in cm
4. petal width in cm
5. class:
-- Iris Setosa
-- Iris Versicolour
-- Iris Virginica
……
9. Class Distribution: 33.3% for each of 3 classes.
本數據的使用實例請參考其他論文，或本站後面的內容。
下面以wine數據為例導入matlab並利用前面提到的libsvm做測試
>> uiimport('wine.data')
導入數據，workspace處出現wine數組178*14
將標簽和數據屬性提取，並保存到matlab平台下的數據
>> wine_label = wine(:,1);
>> wine_data = wine(:,2:end);
>> save winedat.mat
（下次使用的時候可以直接>> load winedat）
svm訓練模型得到wine模型
>> modelw = svmtrain(wine_data,wine_label);
.*
optimization finished, #iter = 239
nu = 0.892184
obj = -61.125695, rho = 0.131965
nSV = 130, nBSV = 53
.*
optimization finished, #iter = 193
nu = 0.882853
obj = -50.421538, rho = -0.166754
nSV = 107, nBSV = 42
.*
optimization finished, #iter = 214
nu = 0.800233
obj = -53.411663, rho = -0.286931
nSV = 119, nBSV = 44
Total nSV = 178
分類結果
>> [plabelw, accuracyw] = svmpredict(wine_label,wine_data,modelw);
Accuracy = 100% (178/178) (classification)

㈡ 從UCI上下載的數據集（.data文件）用記事本打開怎麼不換行

那個黑色小方塊是網頁腳本所用的格式，跟word里的回車換行符箭頭是一樣的，只不過txt不支持htm里的部分格式，所以記事本就找了個方塊來代替它無法顯示的那個換行符。

㈢ matlab怎麼引用uci數據集

將UCI數據集下載到本地後，如果是壓縮包，解壓，若是txt文本，則可以用load函數
如果是xls文件，可以用xlsread函數

㈣ UCI數據集怎麼用

uci 數據集 的說明 告訴了讀者 數據的屬性和類別，用戶可以用自己的數據挖掘方法去將 uci數據集的分類，將結果與數據說明的結果對比。說明自己演算法的正確性

㈤ 什麼是UCI標准數據集

UCI資料庫是加州大學歐文分校(University of CaliforniaIrvine)提出的用於機器學習的資料庫，這個資料庫目前共有187個數據集，其數目還在不斷增加，UCI數據集是一個常用的標准測試數據集。
http://archive.ics.uci.e/ml/

㈥ 數據集的處理方法

數據集是美國加州大學歐文分校提出的一種適合模式識別和機器學習方向的開源數據集，很多學者選擇使用UCI上的數據集來驗證自己所提演算法的正確性。博文寫作時已擁有488個數據集，數據集還在不斷擴充中，這些數據集主要分為二值分類問題、多分類問題以及回歸擬合問題。UCI數據集提供了各個數據集的上主要屬性，可以根據自己提出的各類演算法在其數據集上做實驗結果論證，證明自己所提演算法的合理性。
包括了數據集頁面入口、最新數據集、經典數據集及數據集的最近消息等。數據集頁面入口提供了進入官網查看全部數據集的鏈接，為了方便用戶查找在「最新數據集」和「經典數據集」區域整理了最新收錄以及引用最多的幾個數據集。如果只是簡單測試下代碼，直接點擊頁面上提供的數據集鏈接下載幾個數據集就可以了，如果還需要更多數據集那就進入數據集頁面入口，該頁面發布有全部的數據集。

㈦ UCI數據集怎麼用

uci
數據集
的說明
告訴了讀者
數據的屬性和類別，用戶可以用自己的數據挖掘方法去將
uci數據集的分類，將結果與數據說明的結果對比。說明自己演算法的正確性

㈧ 如何用UCI中標准庫里的數據集做回歸，如何去取自變數和因變數

最後一列是因變數，其餘是自變數做回歸就行

㈨ UCI中分類數據集可用來演算法驗證嗎

uci 數據集 的說明 告訴了讀者 數據的屬性和類別，
用戶可以用自己的數據挖掘方法去將 uci數據集的分類，將結果與數據說明的結果對比。說明自己演算法的正確性