Hacer un almacén de datos
Las instrucciones están en el panel de tareas a la izquierda. Complete y envíe cada tarea de una en una.
Tarea 1
letterds = datastore("*_M_*.txt")
Tarea 2
data=read(letterds)
Tarea 3
plot(data.X,data.Y)
Tarea 4
data = read(letterds)
plot(data.X,data.Y)
Tarea 5
data = readall(letterds)
plot(data.X,data.Y)
Agregar una función de preprocesamiento
Las instrucciones están en el panel de tareas a la izquierda. Complete y envíe cada tarea de una en una.
Este código crea un almacén de datos, importa datos y los visualiza.
letterds = datastore("*_M_*.txt");
data = read(letterds);
data = scale(data);
plot(data.X,data.Y)
axis equal
plot(data.Time,data.Y)
ylabel("Vertical position")
xlabel("Time")
Tarea 2
preprocds = transform(letterds,@scale)
Tarea 3
data = readall(preprocds)
plot(data.Time,data.Y)
Tareas 1, 4 y 5
function data = scale(data)
data.Time = (data.Time - data.Time(1))/1000;
data.X = 1.5*data.X;
data.X = data.X - mean(data.X,"omitnan");
data.Y = data.Y - mean(data.Y,"omitnan");
end
% Any calculations (including the default use of functions such as mean) involving NaNs will result in NaN. This is important in machine learning, where you often have missing values in your data. In the handwriting data, a NaN occurs wherever the writer lifted the pen from the tablet.
% You can use the "omitnan" option to have statistical functions like mean ignore missing values.mean(x,"omitnan")