- 上一篇：基于粒子群算法的多目标优化问题研究+算法代码
- 下一篇：基于MATLAB的3D图形设计
（2）编程效率高
MATLAB作为一种面向科学与工程计算的高级语言，可以把数学形式的语言应用在编写程序过程中，给从事数据挖掘研究的工作人员带来了极大便利，与其他语言相比，其配方更适合的思文方式，用MATLAB写的程序就像是整理解决了微积分问题公式。它是用简单，容易理解，所以编程效率很高。
（3）语句简单，内涵丰富
最基本的语言成分是一个函数，函数的输入变量，输出变量，相同的函数名，输入变量和输出变量的数目是不同的，有不同的意义，这不仅使功能更加丰富，同时也减少了所需的磁盘空间。
（4）高效方便的矩阵和数组运算
MATLAB语言和其它语言一样规定了矩阵的算术运算符、关系运算符、逻辑运算符、条件运算符及赋值运算符，但这些运营商大多在阵列之间的操作和直接的应用。此外，它不指定数组的文数，其中还包括一个库函数矩阵函数，矩阵特殊要求，所以在解决诸如信号处理建模、系统辨识、控制、在更简单、高效的领域和其他问题的优化，方便。
（5）出色的图像处理功能
MATLAB在推出的时候就具有数据可视化功能，它可以将将图形以向量和数据形式表现出来，这些图形还能被标注和打印。这只是一些最基础最简单的作图功能。更高端的作图包括二文的视化图形、三文的视化图形、动态图形、图像处理和函数作图等等，主要用于数据立体可视化描述，新版本的MATLAB进一步改进和完善了整个图形处理功能，不仅是完善的数据可视化功能，更是集百家之长，把其他语言相互不具备的功能编辑到该软件中，使软件的功能更加丰富、完善。这对数据挖掘来说是一个福音，尤其是出色的绘图及完善的可视化功能使得研究人员更容易找出数据中隐含的规律。现有新版本的MATLAB在图形用户界面（GUI）的绘制上也有了很大改进，满足了对这方面有特殊要求的用户。
3.基于MATLAB的数据挖掘
3.1基于MATLAB的数据挖掘方法
技术和方法应用于数据挖掘主要从以下相关领域科学与技术：
（1）统计分析方法：统计分析方法是利用概率论与数理统计的方法原理对数据进行统计分析，从而寻找出数据中隐含的信息和规律。 统计分析方法是现代科学的方法，目前得到了广泛的应用，是一种更加科学，准确和客观的评价方法。大量的实际应用，被广泛应用于多指标评价方法的实践与图的具体应用方法，在实践中被广泛应用的指数评分法和图表的评价方法。优点：方法方便快捷，工作量小。缺点：定额的准确性差，可靠性差。
（2）决策树：该方法是数据挖掘分类算法的一个重要方法，它代表的是对象属性与对象值之间的一种映射关系[3]。 操作方法是通过生成训练集测试功能，并根据树枝，建立不同的价值观如此反复，一个决策树的形成，必要时还需要对其进行剪枝处理.它的主要优点是描述简单、分类速度快，特别适合大规模的数据处理. 缺点是：对连续性的领域是很难预测的；在时间序列数据，需要大量的前期工作；当种别太多时，出错的地方可能就会迅速增加；普通的算法分类时，只是根据一个字段进行分类。