❶ 数据挖掘分类算法中粗糙集的简约用matlab语言怎么实现
y=re(c,d,S)
假设信息系统决策表由矩阵S表示，其中，第c列C属性中，d列为决策列D属性中，则从C属性中相关的列中直接使得决策列D的最少列的求取可用约简函数re
你想看详细的算法，你找这篇论文：
张雪峰。粗糙集数据分析系统应用平台的研究与程序开发。沈阳：东北大学硕士学位论文，2004
❷ 为什么用matlab做数据挖掘呢
数据可视化效果好！图形表示出来比较形象，说服力强！
❸ 数据挖掘中的聚类，K-means算法如果在matlab中操作对数据集进行处理，并得到图像
哥们和我做的题目一样呀。。
❹ 做数据分析里有哪些python能做，而MATLAB不能做的
我个人会一些 Python 和 MATLAB，我主要使用 C++ 实现智能算法来进行数据分析。就我所知，这些语言都能胜任所有的数据分析任务，区别无非就是难易程度；你所需要的做的是尽可能的使用你已经最为熟练的语言，并且把精力专注于理论、算法和实际建模上。
是的，基本上什么语言都可以实现智能算法；智能算法本身只和相关理论、算法设计与实际建模有关，和具体语言无关。但是不同的语言，由于其提供的工具包不同，导致实现算法的难易程度有别。就我所知，MATLAB 和 Python 在数据分析这个领域提供的数据包几乎一样多，都很全。所以我建议你继续加强你自己熟悉的 MATLAB，有时间感兴趣的话，可以考虑尝试学习 Python。
如果你真的想从事人工智能、数据挖掘这个大领域，我建议你把精力从最基础的编程语言提高到对其基本原理、算法设计和实际建模上来。这样可能更有裨益。学会了这三样，哪怕用 C++ 这种类库少的可怜的语言，你都能很轻松的完成数据分析。反过来，假如你不熟悉这些，只会用工具包跑一个结果的话，你不仅对方法不甚理解，更可怕的是你可能并没有依据具体问题进行建模；这样的结果，只能是一种不太入门的水平。这是我的看法。
PS: 看了大家的答案，我觉得我的回答局限在数据分析核心算法这个层面上；如果需要完成一个从头到尾的数据分析系统，必然如
@路强
所说的，Python 会更胜一筹。但我还是要强调核心算法在完整的数据分析系统中也是重中之重这一点，所以我还是极力建议提高对方法本身的理解。
❺ matlab 中层次分析CR=CI/RI ,CR为负数，是不是错了
一楼说的没错。
%//一致性检验：需满足随机一致性比率CR<0.1//
% CR小于0.1判断矩阵才满足一致性检验
% CR不能为负值，CR如果为负值，要么是计算错误了，检查一下计算过程；另一种，要么是你构建的判断矩阵有问题，再调整矩阵里面数值的两两比较关系。
% 若CR=0有两种情况，其一就是你保留的小数位数少，其二就是真的等于0。但没关系，一般这个比值小于0.1证明矩阵一致性通过检验。
% 若CR>0.1,则判断矩阵需要调整，你两两比较的结果重要性需要调整
❻ 数据挖掘是什么样的工作啊和java编程有关系吗跪求
两个工作内容联系不大，你是学习java的，我就主要介绍数据挖掘吧
数据挖掘是提取数据、建立模型分析数据、得出结果后与需求部门进行沟通的一个职业。
举个例子：银行的事业部有很多潜在的贷款申请者，事业部向数据挖掘人员提出需求，希望能够分析哪些申请者是优质放贷对象？
数据挖掘人员首先要充分理解事业部的需求，其次要从数据库提取相关数据，提取数据的工作有些时候是由DBA来完成，好了，现在你得到了历史数据，你的任务就是通过历史数据来建立模型，分析具备什么特征的申请者是有能力还贷、不拖欠的，然后用建立好的模型来预测我们刚刚得到的新的一批申请者。
再具体一点：例如，我们通过历史数据发现，年龄大于35岁，的男性，已婚，家庭人口大于3，收入在12000元以上的申请者是理想的放贷对象，那么我们用这个标准来限定新的申请者。
当然我举的例子，为了浅显易懂，是非常简单的示意例子，实际情况要复杂得多，会涉及到个人的贷款历史、信用评估、自然属性、社会属性、资产评估等情况——就是说，数据挖掘人员是要通过数据库中的海量数据，整理出哪些是有用数据，再用这些有用的数据来分析其它部门的问题，帮助他们解决问题，或者为公司的发展提供数据依据
数据挖掘的上升方向是：数据挖掘——产品层——决策层
java是属于开发，比如开发软件、接口、应用程序等，如果一个公司需要开发数据挖掘软件，那么则需要数据挖掘知识+java开发能力，只有在这种时候，才需要两个都具备
但是一般自主开发数据挖掘软件的公司很少，第一需要消耗大量人力物力，第二市场有很多现成的软件，没必要开发。
如果你想从事数据挖掘，你必须具备：
数据挖掘模型、算法的数学知识以及一些数据分析软件（SPSS、SAS、matlab、clementine）
一些数据库相关的知识（oracle、mySQL）
了解市场、其它部门需求
当然这些都是一点一滴积累起来的，没必要一蹴而就，特别是对市场、行业的了解以及对公司其它部门的需求的理解非常重要，这决定了你能否从基础的分析人员上升到产品层、决策层，都是要在实际的工作中积累起来的
至于放弃java什么的，我觉得真的不是放弃，因为你具备了java的基础，一定能派上用场，比如技术型产品经理（face book的扎克伯格和腾讯的马化腾都是技术型产品经理），这种产品经理能够清晰的把握产品的开发过程，还有市场知识。总结起来就是没有什么东西会浪费掉，你学的所有的东西都将在工作中派上用场，只是你遇到的情况不够多不够复杂而已
❼ 机械工业出版社的matlab数据分析与挖掘实战这本书的代码和课件怎么获取
网上直接在电子版可以下载。
本书共16章，共三篇。基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具MATALB进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。
❽ 请问下用matlab做数据挖掘的话有什么优点
1，功能强大，很多事情只要一条语句就完成。
2，自带了很多函数，比如kmeans，NN，各种插值函数等等。
3，可视化功能强大。
缺点呢，1，是面向过程的，和python这种面向对象的还是不一样(不过暂时没发现什么不方便之处)。
2，慢。
3，然后我想说，MATLAB只能运行一个任务，比如程序运行过程中还想load一下某个数据集，或者用matlab打开一个文本文件，这是做不到的。
❾ 我在做文本数据挖掘，要用到聚类分析，想请问matlab、weka这两款软件哪一个更加适合文本聚类分析呢，谢谢
如果单指软件本身，显然是weka，至少有这方面的功能模块。matlab本身是数值计算软件，根本没有这类功能。
另外这两个软件都可以添加功能库，相对来说weka可加的库只能是java的，步骤也麻烦。matlab的添加工具箱之类很简单，引用也方便，但估计做这方面研究的很少拿matlab做，应该很难找相关资源。
如果专门搞这个的，应该找找其它软件。
当然如果是做研究的，深入到具体算法，那还都是数学问题，可以在matlab底下处理。
❿ 算法工程师 就业前景
一、算法工程师简介
（通常是月薪15k以上，年薪18万以上，只是一个概数，具体薪资可以到招聘网站如拉钩，猎聘网上看看）
算法工程师目前是一个高端也是相对紧缺的职位；
算法工程师包括
音/视频算法工程师（通常统称为语音/视频/图形开发工程师）、图像处理算法工程师、计算机视觉算法工程师、通信基带算法工程师、信号算法工程师、射频/通信算法工程师、自然语言算法工程师、数据挖掘算法工程师、搜索算法工程师、控制算法工程师（云台算法工程师，飞控算法工程师，机器人控制算法）、导航算法工程师（
@之介
感谢补充）、其他【其他一切需要复杂算法的行业】
专业要求：计算机、电子、通信、数学等相关专业；
学历要求：本科及其以上的学历，大多数是硕士学历及其以上；
语言要求：英语要求是熟练，基本上能阅读国外专业书刊，做这一行经常要读论文；
必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。
算法工程师的技能树（不同方向差异较大，此处仅供参考）
1 机器学习
2 大数据处理：熟悉至少一个分布式计算框架Hadoop/Spark/Storm/ map-rece/MPI
3 数据挖掘
4 扎实的数学功底
5 至少熟悉C/C++或者Java，熟悉至少一门编程语言例如java/python/R
加分项：具有较为丰富的项目实践经验（不是水论文的哪种）
二、算法工程师大致分类与技术要求
（一）图像算法/计算机视觉工程师类
包括
图像算法工程师，图像处理工程师，音/视频处理算法工程师，计算机视觉工程师
要求
l
专业：计算机、数学、统计学相关专业；
l
技术领域：机器学习，模式识别
l
技术要求：
（1） 精通DirectX HLSL和OpenGL GLSL等shader语言，熟悉常见图像处理算法GPU实现及优化；
（2） 语言：精通C/C++；
（3） 工具：Matlab数学软件，CUDA运算平台，VTK图像图形开源软件【医学领域：ITK，医学图像处理软件包】
（4） 熟悉OpenCV/OpenGL/Caffe等常用开源库；
（5） 有人脸识别，行人检测，视频分析，三维建模，动态跟踪，车识别，目标检测跟踪识别经历的人优先考虑；
（6） 熟悉基于GPU的算法设计与优化和并行优化经验者优先；
（7） 【音/视频领域】熟悉H.264等视频编解码标准和FFMPEG，熟悉rtmp等流媒体传输协议，熟悉视频和音频解码算法，研究各种多媒体文件格式，GPU加速；
应用领域：
（1） 互联网：如美颜app
（2） 医学领域：如临床医学图像
（3） 汽车领域
（4） 人工智能
相关术语：
（1） OCR：OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程
（2） Matlab：商业数学软件；
（3） CUDA： (Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台（由ISA和GPU构成）。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题
（4） OpenCL: OpenCL是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。
（5） OpenCV：开源计算机视觉库；OpenGL：开源图形库；Caffe：是一个清晰，可读性高，快速的深度学习框架。
（6） CNN：（深度学习）卷积神经网络（Convolutional Neural Network）CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。
（7） 开源库：指的是计算机行业中对所有人开发的代码库，所有人均可以使用并改进代码算法。
（二）机器学习工程师
包括
机器学习工程师
要求
l
专业：计算机、数学、统计学相关专业；
l
技术领域：人工智能，机器学习
l
技术要求：
（1） 熟悉Hadoop/Hive以及Map-Rece计算模式，熟悉Spark、Shark等尤佳；
（2） 大数据挖掘；
（3） 高性能、高并发的机器学习、数据挖掘方法及架构的研发；
应用领域：
（1）人工智能，比如各类仿真、拟人应用，如机器人
（2）医疗用于各类拟合预测
（3）金融高频交易
（4）互联网数据挖掘、关联推荐
（5）无人汽车，无人机
相关术语：
（1） Map-Rece：MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。
（三）自然语言处理工程师
包括
自然语言处理工程师
要求
l
专业：计算机相关专业；
l
技术领域：文本数据库
l
技术要求：
（1） 熟悉中文分词标注、文本分类、语言模型、实体识别、知识图谱抽取和推理、问答系统设计、深度问答等NLP 相关算法；
（2） 应用NLP、机器学习等技术解决海量UGC的文本相关性；
（3） 分词、词性分析、实体识别、新词发现、语义关联等NLP基础性研究与开发；
（4） 人工智能，分布式处理Hadoop；
（5） 数据结构和算法；
应用领域：
口语输入、书面语输入
、语言分析和理解、语言生成、口语输出技术、话语分析与对话、文献自动处理、多语问题的计算机处理、多模态的计算机处理、信息传输与信息存储 、自然语言处理中的数学方法、语言资源、自然语言处理系统的评测。
相关术语：
（2） NLP：人工智能的自然语言处理，NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。NLP涉及领域很多，最令我感兴趣的是“中文自动分词”（Chinese word segmentation）：结婚的和尚未结婚的【计算机中却有可能理解为结婚的“和尚“】
（四）射频/通信/信号算法工程师类
包括
3G/4G无线通信算法工程师， 通信基带算法工程师，DSP开发工程师（数字信号处理），射频通信工程师，信号算法工程师
要求
l
专业：计算机、通信相关专业；
l
技术领域：2G、3G、4G，BlueTooth（蓝牙），WLAN，无线移动通信, 网络通信基带信号处理
l
技术要求：
（1） 了解2G，3G，4G，BlueTooth，WLAN等无线通信相关知识，熟悉现有的通信系统和标准协议，熟悉常用的无线测试设备；
（2） 信号处理技术，通信算法；
（3） 熟悉同步、均衡、信道译码等算法的基本原理；
（4） 【射频部分】熟悉射频前端芯片，扎实的射频微波理论和测试经验，熟练使用射频电路仿真工具（如ADS或MW或Ansoft）；熟练使用cadence、altium designer PCB电路设计软件；
（5） 有扎实的数学基础，如复变函数、随机过程、数值计算、矩阵论、离散数学
应用领域：
通信
VR【用于快速传输视频图像，例如乐客灵境VR公司招募的通信工程师（数据编码、流数据）】
物联网，车联网
导航，军事，卫星，雷达
相关术语：
（1） 基带信号：指的是没有经过调制（进行频谱搬移和变换）的原始电信号。
（2） 基带通信（又称基带传输）：指传输基带信号。进行基带传输的系统称为基带传输系统。传输介质的整个信道被一个基带信号占用.基带传输不需要调制解调器，设备化费小，具有速率高和误码率低等优点,.适合短距离的数据传输，传输距离在100米内，在音频市话、计算机网络通信中被广泛采用。如从计算机到监视器、打印机等外设的信号就是基带传输的。大多数的局域网使用基带传输，如以太网、令牌环网。
（3） 射频：射频（RF）是Radio Frequency的缩写，表示可以辐射到空间的电磁频率（电磁波），频率范围从300KHz～300GHz之间（因为其较高的频率使其具有远距离传输能力）。射频简称RF射频就是射频电流，它是一种高频交流变化电磁波的简称。每秒变化小于1000次的交流电称为低频电流，大于10000次的称为高频电流，而射频就是这样一种高频电流。高频(大于10K)；射频（300K-300G）是高频的较高频段；微波频段（300M-300G）又是射频的较高频段。【有线电视就是用射频传输方式】
（4） DSP：数字信号处理，也指数字信号处理芯片
（五）数据挖掘算法工程师类
包括
推荐算法工程师，数据挖掘算法工程师
要求
l
专业：计算机、通信、应用数学、金融数学、模式识别、人工智能；
l
技术领域：机器学习，数据挖掘
l
技术要求：
（1） 熟悉常用机器学习和数据挖掘算法，包括但不限于决策树、Kmeans、SVM、线性回归、逻辑回归以及神经网络等算法；
（2） 熟练使用SQL、Matlab、Python等工具优先；
（3） 对Hadoop、Spark、Storm等大规模数据存储与运算平台有实践经验【均为分布式计算框架】
（4） 数学基础要好，如高数，统计学，数据结构
l
加分项：数据挖掘建模大赛；
应用领域
（1） 个性化推荐
（2） 广告投放
（3） 大数据分析
相关术语
Map-Rece：MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。
（六）搜索算法工程师
要求
l
技术领域：自然语言
l
技术要求：
（1） 数据结构，海量数据处理、高性能计算、大规模分布式系统开发
（2） hadoop、lucene
（3） 精通Lucene/Solr/Elastic Search等技术，并有二次开发经验
（4） 精通Lucene/Solr/Elastic Search等技术，并有二次开发经验；
（5） 精通倒排索引、全文检索、分词、排序等相关技术；
（6） 熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；
（7） 优秀的数据库设计和优化能力，精通MySQL数据库应用 ；
（8） 了解推荐引擎和数据挖掘和机器学习的理论知识，有大型搜索应用的开发经验者优先。
（七）控制算法工程师类
包括了云台控制算法，飞控控制算法，机器人控制算法
要求
l
专业：计算机，电子信息工程，航天航空，自动化
l
技术要求：
（1） 精通自动控制原理（如PID）、现代控制理论，精通组合导航原理，姿态融合算法，电机驱动，电机驱动
（2） 卡尔曼滤波，熟悉状态空间分析法对控制系统进行数学模型建模、分析调试；
l
加分项：有电子设计大赛，机器人比赛，robocon等比赛经验，有硬件设计的基础；
应用领域
（1）医疗/工业机械设备
（2）工业机器人
（3）机器人
（4）无人机飞控、云台控制等
（八）导航算法工程师
要求
l 专业：计算机，电子信息工程，航天航空，自动化
l 技术要求（以公司职位JD为例）
公司一（1）精通惯性导航、激光导航、雷达导航等工作原理；
（2）精通组合导航算法设计、精通卡尔曼滤波算法、精通路径规划算法；
（3）具备导航方案设计和实现的工程经验；
（4）熟悉C/C++语言、熟悉至少一种嵌入式系统开发、熟悉Matlab工具；
公司二（1）熟悉基于视觉信息的SLAM、定位、导航算法，有1年以上相关的科研或项目经历；
（2）熟悉惯性导航算法，熟悉IMU与视觉信息的融合;
应用领域
无人机、机器人等。