隐藏前缀提示符:PS1('>>')

不显示打印内容:;结尾

字符串:a=’hi’

屏幕输出:disp(sprint(‘2 decimals:%0.2f’,a))

生成集合(矩阵):V=1:0.1:2

V=1:6

生成矩阵:ones(2,3)%全1

zeros(2,3)%全0

rand(2,3)%随机0~1之间

eye(6)%单位矩阵

绘制直方图:hist(W)

矩阵维度:size(A)

size(A,1)%第一个维度,即行数

size(A,2)%第二个维度,即列数

length(A)%矩阵最大维度

查看工作空间中的所有变量:who%所有变量

whos%所有变量的详细信息

删除变量:clear A

索引矩阵元素:A(3,2)%

A(3:,:)%第三行所有元素

A(:,2)%第三列所有元素

矩阵操作:[A B]%组合矩阵,A,B左右放

[A;B]%组合矩阵,A,B上下放

     A*B%矩阵乘法

        A.*B%对应位置元素相乘

        A.^2%对A中的每个元素平方

       1./A%对A中的每个元素倒数

       A’%矩阵专职

       max(A)%每一列求最大值

      [value,index]=max(V)%行向量的最大值赋给value,对应索引给index

      magic(3)%魔方阵,所有的行和列对角线加起来都等于相同的值

      sum(a)%矩阵所有元素求和

    prod(a)%矩阵所有元素乘积

    floor(a)%矩阵所有元素向下四舍五入

    ceil(a)%矩阵所有元素向上四舍五入

绘图:

    %绘制正弦

    t=[0:0.01:0.98];

    y1=sin(2*pi*4*t);

    plot(t,y1)

    %绘制余弦

    y2=cos(2*pi*4*t)

    hold on%新图绘制在旧图上

    plot(t,y2)

    xlabel('time')%x轴标签
    ylabel('value')%y轴标签
    legend('sin',cos)%图例

    figure(1); plot(t, y1);%将显示第一张图,绘制了变量 t y1。

    figure(2); plot(t, y2);% 将显示第一张图,绘制了变量 t y2。

    subplot(1,2,1)%图像分为一个 1*2 的格子

可视化举证:

    imagesc(A)%彩色格图

    imagesc(magic(15)),colorbar,colormap gray%灰度分布图

基本控制语句:

    for语句:

    v=zeros(10,1)

    for i=1:10

      v(i)=2^i;

    end;

    v

    while语句:

    i=1;

    while i<=5,

      v(i)=100;

      i=i+1;

    end;

    break语句:

    i=1;

    while true,

      v(i)=999;

      i=i+1;

      if i==6,

        break;

      end;

    end;

吴恩达机器学习-octave笔记的更多相关文章

  1. ML:吴恩达 机器学习 课程笔记(Week1~2)

    吴恩达(Andrew Ng)机器学习课程:课程主页 由于博客编辑器有些不顺手,所有的课程笔记将全部以手写照片形式上传.有机会将在之后上传课程中各个ML算法实现的Octave版本. Linear Reg ...

  2. Coursera 吴恩达 机器学习 学习笔记

    Week 1 机器学习笔记(一)基本概念与单变量线性回归 Week 2   机器学习笔记(二)多元线性回归 机器学习作业(一)线性回归——Matlab实现 机器学习作业(一)线性回归——Python( ...

  3. ML:吴恩达 机器学习 课程笔记(Week7~8)

    Support Vector Machines Unsupervised Learning Dimensionality Reduction

  4. ML:吴恩达 机器学习 课程笔记(Week5~6)

    Neural Networks: Learning Advice for Applying Machine Learning Machine Learning System Design

  5. ML:吴恩达 机器学习 课程笔记(Week9~10)

    Anomaly Detection Recommender Systems Large Scale Machine Learning

  6. ML:吴恩达 机器学习 课程笔记(Week3~4)

    Logistic Regression Regularization Neural Networks: Representation

  7. Coursera-吴恩达机器学习课程笔记-Week2

    参考资料: 吴恩达教授机器学习课程 机器学习课程中文笔记 Week2 一. 多变量线性回归(Linear Regression with Multiple Variables) 多变量就时当一个exa ...

  8. Coursera-吴恩达机器学习课程笔记-Week1

    参考资料: 吴恩达教授机器学习课程 机器学习课程中文笔记 Week 1 一. 引言 机器学习模型可分为监督学习Superviese learning(每个数据集给出了正确的值)和无监督学习Unsupe ...

  9. 【Deeplearning.ai 】吴恩达深度学习笔记及课后作业目录

    吴恩达深度学习课程的课堂笔记以及课后作业 代码下载:https://github.com/douzujun/Deep-Learning-Coursera 吴恩达推荐笔记:https://mp.weix ...

随机推荐

  1. 用Java画简单验证码

    以下是具体代码: package com.jinzhi.tes2; import java.awt.Color;import java.awt.Font;import java.awt.Graphic ...

  2. Dockerfile的HEALTHCHECK指令

    容器实例的状态虽然是up,但不能保证里面的进程一定是监控的.我门可以借助HEALTHCHECK指令来做监控状态检查 HEALTHCHECK指令有两种形式: HEALTHCHECK [OPTIONS] ...

  3. Linux vim文档操作

    1.vim passwd文件 出现 发现文件passwd.swp文件,无法正常编辑vim的时候,删除掉.psswd.swp即可 vim下:dd #删除一行 vim下:p #粘贴一行 vim下:y #复 ...

  4. CentOS安装系统安装完成

    一.安装centOS操作系统的相关步骤? 1)第一步:系统安装的方式,选择全新安装,第一行表示安装系统,第三行当用户名密码无法开机或密码忘记的时候启动 2)第二步:是否检查光盘,选择Skip跳过,没事 ...

  5. String.split()与StringUtils.split()

    我们平时进行简单的字符串分割的时候,尽量不要用String自身的split方法,它是匹配正则表达式的,如果遇到$这种特殊字符,需要转义一下.用StringUtils.split()方法会更方便 使用a ...

  6. 在pycharm中开发vue

    一.在pycharm中开发vue ''' webstorm(vue) pycharm(python) goland(Go语言) idea(java) andrioStuidio(安卓) Php(PHP ...

  7. Java基础学习-常用的dos命令

    打开控制台(win+R,然后cmd回车)   常用命令:         d:回车    盘符切换         dir(directory):列出当前目录下的文件以及文件夹         cd( ...

  8. HDU 6088 Rikka with Rock-paper-scissors(NTT+欧拉函数)

    题意 \(n\) 局石头剪刀布,设每局的贡献为赢的次数与输的次数之 \(\gcd\) ,求期望贡献乘以 \(3^{2n}\) ,定义若 \(xy=0\) 则,\(\gcd(x,y)=x+y\) 思路 ...

  9. 阿里技术专家详解Dubbo实践,演进及未来规划

    https://mp.weixin.qq.com/s/9rVGHYfeE8yM2qkSVd2yEQ

  10. Linux配置中文输入法(搜狗输入法)

    一.基础知识 在原生ubuntu14.04英文环境系统中只有IBus拼音,真的好难用.由于搜狗输入法确实比Linux系统下其它的中文输入法都要好用得多,所以我决定在我的Ubuntu 14.04系统中安 ...