無(wú)論是實(shí)驗(yàn)處理數(shù)據(jù)、寫(xiě)文章、參加數(shù)學(xué)建模還是其他競(jìng)賽，我們?cè)趯W(xué)習(xí)生活中經(jīng)常需要處理數(shù)據(jù)。比如目前文獻(xiàn)、實(shí)驗(yàn)中常用的關(guān)系熱力圖、三元相圖（圖1）、缺失值處理、線性回歸等

從力學(xué)性質(zhì)三元相圖我們可以得到不同元素比例與強(qiáng)度的關(guān)系，三元相圖對(duì)于合金的制備有非常重要的指導(dǎo)作用。如圖1所示Cr濃度是強(qiáng)度的主導(dǎo)因素，Co濃度增加強(qiáng)度增加，Cr元素濃度相對(duì)較大時(shí)，強(qiáng)度/(密度×價(jià)格)較大。

這樣的圖是如何得到的呢？

數(shù)據(jù)處理一般需要用到哪些軟件？具體操作步驟是怎樣的呢？今天小編就帶大家一起來(lái)看看吧！下面我們以關(guān)系熱力圖為例為大家介紹。

關(guān)系熱力圖

如圖2所示，該關(guān)系熱力圖用來(lái)表示元素之間的相關(guān)性分析。相關(guān)分析是研究?jī)蓚€(gè)或兩個(gè)以上處于同等地位的隨機(jī)變量間的相關(guān)關(guān)系的統(tǒng)計(jì)分析方法。
相關(guān)性分析主要用于：（1）判斷兩個(gè)或多個(gè)變量之間的統(tǒng)計(jì)學(xué)關(guān)聯(lián)；（2）如果存在關(guān)聯(lián)，進(jìn)一步分析關(guān)聯(lián)強(qiáng)度和方向。

一般在進(jìn)行數(shù)據(jù)處理時(shí)，大家想到可能就是SPSS、Python、Matlab軟件，但是對(duì)于非數(shù)學(xué)或統(tǒng)計(jì)專(zhuān)業(yè)的人并不需要SPSS這些全部的功能，也不熟練Python的代碼輸入。

另外，使用這類(lèi)軟件需要下載， 需要安裝部署。那有沒(méi)有更簡(jiǎn)單便捷的方法，開(kāi)展數(shù)據(jù)分析呢？

為大家介紹一種新的方式——MatCloud+，幫助您快速得到關(guān)系熱力圖。
該方法的優(yōu)點(diǎn)：無(wú)需下載軟件，無(wú)需編程基礎(chǔ)，在線即可處理數(shù)據(jù)，對(duì)于應(yīng)急和短期需要使用數(shù)據(jù)處理的朋友十分友好。

Matcloud+是怎樣幫助大家完成關(guān)系熱力圖的繪制呢？您只需要有一臺(tái)能夠上網(wǎng)的電腦即可。
（1）在百度搜索“MatCloud+”，進(jìn)入平臺(tái)的官網(wǎng)（2）點(diǎn)進(jìn)上方人工智能模塊

3）點(diǎn)擊新建工作流（也可先新建項(xiàng)目，在新建工作流）

（4）給您的工作流輸入名稱(chēng)，并確認(rèn)

進(jìn)入新的頁(yè)面之后就可以拖拽相應(yīng)的組件來(lái)搭建工作流了，下面就是本次數(shù)據(jù)處理所需要的工作流及參數(shù)設(shè)置。

a. 依次點(diǎn)擊輸入控制>數(shù)據(jù)輸入，把【數(shù)據(jù)輸入】拖到操作界面，點(diǎn)擊【...】，上傳需要處理的數(shù)據(jù)文檔，保存，該界面支持查看，下載，刪除。

b.點(diǎn)擊【組件】>【關(guān)系熱力圖】，拖拽至如圖7所示，將【數(shù)據(jù)輸入】與【關(guān)系熱力圖】?jī)蓚€(gè)組件進(jìn)行連接。

c.點(diǎn)擊“獲取”，即可得到結(jié)果，結(jié)果如下所示：

至此，通過(guò)3步便可得到相關(guān)性熱力圖。
MatCloud+將熱力圖處理過(guò)程中的復(fù)雜的步驟模板化，只需要拖拽數(shù)據(jù)預(yù)處理中的【關(guān)系熱力圖】即可，無(wú)需學(xué)習(xí)代碼編寫(xiě)，不用安裝軟件，只要上傳要處理的數(shù)據(jù)，幾秒鐘就能得到結(jié)果。無(wú)需去學(xué)習(xí)Python需要的代碼，安裝、下載SPSS軟件，即可獲得需要的結(jié)果，對(duì)初學(xué)者十分友好，上手較快。

回歸分析

在統(tǒng)計(jì)學(xué)中，回歸分析（regression analysis)指的是確定兩種或兩種以上變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分析方法?；貧w算法是一種常用的數(shù)據(jù)分析方法，現(xiàn)在很火的人工智能最基本的算法就是回歸算法。當(dāng)你有很多材料制備的數(shù)據(jù)并想以這些數(shù)據(jù)為基礎(chǔ)，來(lái)預(yù)測(cè)新材料的性能時(shí)就可以利用回歸算法來(lái)得到相應(yīng)的模型。同樣的，MatCloud+支持快速獲取這種模型。接下來(lái)為大家展示模型獲取的步驟：前幾步和【1.關(guān)系熱力圖】相同，無(wú)需下載軟件、無(wú)需自己寫(xiě)代碼，按照以下幾個(gè)步驟即可完成。
a. 依次點(diǎn)擊輸入控制>數(shù)據(jù)輸入，把【數(shù)據(jù)輸入】拖到操作界面，點(diǎn)擊【...】，上傳需要處理的數(shù)據(jù)文檔。

b. 點(diǎn)擊：組件>特征工程>特征/標(biāo)簽選擇，把【特征/標(biāo)簽選擇】拖到【數(shù)據(jù)輸入】下方，點(diǎn)擊【...】，選擇需要處理的數(shù)據(jù)標(biāo)簽，點(diǎn)擊保存

c. 點(diǎn)擊：組件>測(cè)試集/訓(xùn)練集>測(cè)試集比例，把【測(cè)試集比例】拖到【特征/標(biāo)簽選擇】下方。按要求選擇特征配置，

d. 點(diǎn)擊輸入控制>分支控制器，拖至【測(cè)試集比例】下方，根據(jù)需求添加分支的個(gè)數(shù)，不同分支可以同時(shí)進(jìn)行不同的算法，我們可以在查看結(jié)果之后獲來(lái)判斷每個(gè)模型的好壞。

e. 點(diǎn)擊組件>回歸算法，有K近鄰回歸、XGBoost、決策樹(shù)等...根據(jù)需求選擇需要的數(shù)據(jù)處理方法，拖拽至【分支控制器】?jī)?nèi)即可

f.最后點(diǎn)擊右上角的【提交】等待運(yùn)算完成。
運(yùn)算結(jié)束后點(diǎn)擊【...】可查看結(jié)果。從圖12中，我們可看出隨機(jī)森林算法得到的結(jié)果，我們可根據(jù)R2來(lái)判斷預(yù)估模型的真實(shí)性，如圖12所示，現(xiàn)在R2為0.8722，則使用該模型之后殘差的方差為原始值方差的12.8%，R方越接近1，則預(yù)測(cè)值越接近于真值。并且在整個(gè)計(jì)算過(guò)程中，用到的模板均可以保存。

總結(jié)

MatCloud 可以比較便捷地開(kāi)展機(jī)器學(xué)習(xí)。與采用SPSS開(kāi)展回歸訓(xùn)練， 優(yōu)點(diǎn)在于：
（1）耗時(shí)縮短。（2）可以同時(shí)對(duì)一批數(shù)據(jù)集采用多個(gè)模型訓(xùn)練， 系統(tǒng)自動(dòng)幫助你找出最優(yōu)模型。（3）將機(jī)器學(xué)習(xí)的多個(gè)步驟自動(dòng)流程化地完成， 并自動(dòng)推薦出最優(yōu)模型（4）參數(shù)自動(dòng)調(diào)優(yōu)。
這里僅介紹了部分?jǐn)?shù)據(jù)處理的使用方法，從整個(gè)過(guò)程中，相信朋友們已經(jīng)體會(huì)到了該網(wǎng)站的優(yōu)越性。事實(shí)上MatCloud+平臺(tái)還集成了大量的計(jì)算模塊，如能帶計(jì)算、彈性常數(shù)計(jì)算、光學(xué)性質(zhì)的計(jì)算、數(shù)據(jù)處理等等。在不久的未來(lái)，MatCloud+平臺(tái)有可能改變材料人的科研工作方式，從傳統(tǒng)繁瑣的計(jì)算中，將人解放出來(lái)，去更高效的完成其他工作。