采取哪些方法来分析这个数据：
采用监督的分类方法：监督学习有K近邻算法、决策树、朴素贝叶斯、支持向量机、人工神经网络。其中BP算法是一种出色的监督学习算法。2.在训练过程中通常要对数据做归一化处理。 bp神经网络的推导： http://www.cnblogs.com/jzhlin/archive/2012/07/28/bp.html
监督方法步骤：
(1)收集数据。
(2) 准备输入数据：不同的算法对数据的格式要求可能不同，所以有时需要对收集的数据进行格式转换。
(3) 分析输入数据：这一步只要通过观察来确保数据集中没有垃圾数据。
(4) 训练算法：机器学习算法从这一步才真正的开始学习，主要的通过特定的训练集输入到分类算法，确定算法模型的过程。
(5)测试算法：用于检测训练算法阶段训练出来的模型是否靠谱，通常使用已知目标值的样本作为输入，观察其准确率。
(6) 使用算法：将机器学习算法转换为应用程序，执行实际任务。
常用来归一化数值的公式为：newValue = （oldValue-min）/(max-min)
BP神经网络
问题1：首先BP的原理是什么？之前看过不太懂？
问题2：Matlab代码读懂，怎样实现前向神经网络的方法？
BP是前馈网络，这种网络在训练过程中会有反馈信号，而在分类过程中数据智能向前传送，直到输出层，层间没有向后的反馈信号，因此被称为前馈网络。高层函数的逼近应该选用非线性函数作为激活函数。一个三层BP神经网络可以实现对任意非线性函数的逼近
归一化的两个公式，取决于归一化的区间不同：
y = 2 *( x - min ) / ( max - min ) – 1
y = ( x- min )/( max - min )
这篇文章http://m.blog.csdn.net/blog/gongxq0124/7681000讲解的十分好，特别适合哦这样的初学。
运行BP神经网络的程序