採取哪些方法來分析這個數據：
採用監督的分類方法：監督學習有K近鄰算法、決策樹、樸素貝葉斯、支持向量機、人工神經網絡。其中BP算法是一種出色的監督學習算法。2.在訓練過程中通常要對數據做歸一化處理。 bp神經網絡的推導： http://www.cnblogs.com/jzhlin/archive/2012/07/28/bp.html
監督方法步驟：
(1)收集數據。
(2) 準備輸入數據：不同的算法對數據的格式要求可能不同，所以有時需要對收集的數據進行格式轉換。
(3) 分析輸入數據：這一步只要通過觀察來確保數據集中沒有垃圾數據。
(4) 訓練算法：機器學習算法從這一步才真正的開始學習，主要的通過特定的訓練集輸入到分類算法，確定算法模型的過程。
(5)測試算法：用於檢測訓練算法階段訓練出來的模型是否靠譜，通常使用已知目標值的樣本作爲輸入，觀察其準確率。
(6) 使用算法：將機器學習算法轉換爲應用程序，執行實際任務。
常用來歸一化數值的公式爲：newValue = （oldValue-min）/(max-min)
BP神經網絡
問題1：首先BP的原理是什麼？之前看過不太懂？
問題2：Matlab代碼讀懂，怎樣實現前向神經網絡的方法？
BP是前饋網絡，這種網絡在訓練過程中會有反饋信號，而在分類過程中數據智能向前傳送，直到輸出層，層間沒有向後的反饋信號，因此被稱爲前饋網絡。高層函數的逼近應該選用非線性函數作爲激活函數。一個三層BP神經網絡可以實現對任意非線性函數的逼近
歸一化的兩個公式，取決於歸一化的區間不同：
y = 2 *( x - min ) / ( max - min ) – 1
y = ( x- min )/( max - min )
這篇文章http://m.blog.csdn.net/blog/gongxq0124/7681000講解的十分好，特別適合哦這樣的初學。
運行BP神經網絡的程序