Octave Tutorial(《Machine Learning》)之第三课《数据计算》
第三课 Culculating Data 数据计算
矩阵计算
1.简单的四则运算
2.相乘除,乘方运算(元素位运算)
“.*”为对应元素的相乘计算
“./”为对应元素的相乘计算 另外,“1 ./A”得到矩阵中每个元素的倒数
“.^”为对应元素的乘方计算
3.转置和取逆
“a'”为矩阵a的转置矩阵
inv(a)逆矩阵
pinv(a) 伪逆矩阵(其中p是pseudo的意思. 所以如果矩阵A不可逆仍可以得到一个逆矩阵, 但矩阵A与其逆矩阵之积不为单位矩阵)
补充:基本数学函数
cos 余弦函数 (弧度制)
sin 正弦函数 (弧度制)
tan 正切函数 (弧度制)
exp 指数函数 (e x )
log 以 e 为底的指数函数
log10 以 10 为底的指数函数
sinh 双曲正弦函数
tanh 双曲正切函数
cosh 双曲余弦函数
acos 反余弦函数
acosh 反双曲余弦函数
asin 反正弦函数
asinh 反双曲正弦函数
atan 反正切函数
atan2 双参数形式的反正切函数 1
atanh 反双曲正切函数
abs 绝对值函数 (复数取模)
sign 符号函数
round 四舍五入
floor 近似为比它小的最大整数
ceil 近似为比它大的最小整数
fix 向 0 方向近似
rem 求余数
sum(a) 将矩阵a中的所有元素加起来
val 元素值
ind 对应元素值的索引
例如:a = [1 15 2 0.5]
[val,ind] = max(a)
print val = 15
ind = 2
find(a < 3) (一行多列)返回矩阵中小ai于3的元素
(多行多列)返回矩阵中每列小于3的元素
[r,c] = find(A>=7)(其中 r代表返回元素所在的行数,c代表返回元素所在的列数)
magic(N) 返回一个称为魔方阵或幻方 (magic squares)的N阶矩阵(所有的行、列和对角线加起来都等于相同的值)
Octave Tutorial(《Machine Learning》)之第三课《数据计算》的更多相关文章
- Coursera《machine learning》--(14)数据降维
本笔记为Coursera在线课程<Machine Learning>中的数据降维章节的笔记. 十四.降维 (Dimensionality Reduction) 14.1 动机一:数据压缩 ...
- Data Leakage in Machine Learning 机器学习训练中的数据泄漏
refer to: https://www.kaggle.com/dansbecker/data-leakage There are two main types of leakage: Leaky ...
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 课后习题解答
今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业三的习题解答.笔者在做这些题目时遇到非常多困难,当我在网上寻找答案时却找不到,而林 ...
- 【机器学习Machine Learning】资料大全
昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总 (上)
转载:http://dataunion.org/8463.html?utm_source=tuicool&utm_medium=referral <Brief History of Ma ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
- 机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- How do I learn machine learning?
https://www.quora.com/How-do-I-learn-machine-learning-1?redirected_qid=6578644 How Can I Learn X? ...
- machine learning----->谷歌Cloud Machine Learning平台
1.谷歌Cloud Machine Learning平台简介: 机器学习的三要素是数据源.计算资源和模型.谷歌在这三个方面都有强大的支撑:谷歌不仅有种类丰富且数量庞大的数据资源,而且有强大的计算机群提 ...
随机推荐
- 用php进行md5解密的源码,亲测可用
<?php $md5 = "c1c95b382230eb9e27a60c4baceb5f2e"; $uid = "hhp-ImZRY"; $token = ...
- make clean指令出现问题
今天第一次使用make指令,没搞懂make clean就直接使用了,结果发现如下错误问题:make: *** No rule to make target 'clear'. 停止. 最后的找了半天有下 ...
- 地图学与GIS制图的基础理论(二)
利用GIS技术进行地图制图,其最终目标还是需要回到地图学中去.地图学中关于地图制作的经典要求,有以下几点: 地图必须要与现实相符,符合人类的感知 这点是地图最基本的一条,地图的每一个要素展现的都是跟现 ...
- linux文件相关的命令
1.linux下的文件分为字符设备文件和块设备文件 2.文件的属性有读写权限.执行权限.访问时间.修改时间.状态改变时间等. 状态改变时间指修改了文件的读写权限或者所有者等操作. 3.ls -l 执行 ...
- appium python andiroid自动化文档整理笔记。
利用一天时间去整理appium for android文档.传送门 利用业余时间自己翻阅资料,google.百度等去查找,费劲一番功夫,最后终于成行了这篇文档. 也是作者对最近自己的学习的一个总结吧, ...
- gradient的几点认识转载
线性渐变(Linear Gradients)- 向下/向上/向左/向右/对角方向 径向渐变(Radial Gradients)- 由它们的中心定义 在这里主要讲线性渐变谷歌浏览器中:(1)backgr ...
- App开发外包必须注意的四大骗局
在app外包过程中有很多需要注意的事项,今天专门挑选注意事项中的"骗局"这个话题来与大家分享一些的常见骗局及其细节. 无论是从新闻还是身边的朋友,我们都经常可以听见"xx ...
- Phoenix和SQuirrel安装详解
Phoenix安装详解 描述 现有hbase的查询工具有很多如:Hive,Tez,Impala,Shark/Spark,Phoenix等.今天的主角是Phoenix. phoenix,中文译为“凤凰” ...
- (4)activiti之uel表达式
有了前面几章,我们肯定有一定的困惑,activiti如何与实际业务整合,比如一条采购单,如何跟一个流程实例互相关联起来? 这里就需要使用到activiti启动流程实例时设置一个流程实例的busines ...
- c#模拟js escape方法(转)
实现URI字符串转化成escape格式的字符 public static string Escape(string s) { StringBuilder sb ...