机器学习-octave使用
1 == 2 % false
1 ~=2 % true
% 隐藏版本,只显示>> .
PS1('>> ');
% 输出两位小数格式
disp(sprintf('2 decimals: %0.2f',a))
% 转换数字格式
format long
format short
v = 1:0.1:2 % v是一个一行十一列矩阵(1.0 1.1 1.2.............2.0)
v = 1:6 % v是一个一行十一列矩阵(1 2 3 4 5 6)
ones(2,3) zeros(2,3) rand(2,3) % 分别生成全为1,全为0,或随机数组成的两行三列矩阵
eye(3) % 三行三列单位矩阵
A = [1 2;3 4; 5 6]
sz = size(A) % 行数列数
sz =
3 2
size(A,1) % 行数
ans = 3;
size(A,2) % 列数
ans = 255;
ans = 3;E
>> pwd % 当前所处路径
ans = C:\Users\Administrator
>> cd 'C:\Users\Administrator\Desktop'
>> pwd % 修改当前所处路径
ans = C:\Users\Administrator\Desktop
load x % 加载一个文件
who whos %显示当前的变量
clear x % 清除某一个变量
clear % 清除所有变量
save hello.mat I %将I 保存到文件中
>> A = [1 2;3 4;5 6] A =
1 2
3 4
5 6
>> A(3,2) ans = 6
>> A(2,:) ans =
3 4
>> A(:,2) ans =
2
4
6
>> A(:,2) = [8; 9; 7]
A =
1 8
3 9
5 7
>> A = [A, [100; 105; 110]]
A =
1 8 100
3 9 105
5 7 110
>> A(:) %将A中所有元素生成一个列向量
ans =
1
3
5
8
9
7
100
105
110
C = [A B] %A在左,B在右
C = 【A;B] %A在上,B在下
>> A = [1 2;3 4;5 6]
>> B = [11 12;13 14;15 16]
>> A .* B % 对应元素分别相乘
ans =
11 24
39 56
75 96
A .^ 2 % 得到一个A中每一个元素平方的矩阵
1 ./ A % 得到一个A中每一个元素取倒数的矩阵
log(A) exp(A) abs(A) A + 1 ....... % 得到一个A中每一个元素做相应运算的矩阵
>> a = [1 2 3 4]
>> max(a) ans = 4
a < 3
ans = %对每一个元素进行判断
1 1 0 0
>> max(A)
ans =
5 6
A =[1 2; 3 4; 5 6]
magic(3) %产生一个三行三列的矩阵,每一行每一列加起来相等
sum(A,1) %求每一行的和
sum(A,2) %求每一列的和
>> t = [0:0.01:0.98];
>> y1 = sin(2*pi*4*t);
>> plot(t,y1); % 画出关于y1-t的图
>> y2 = cos(2*pi*4*t);
>> plot(t,y2);
>> hold on; %保持y2-t
>> plot(t,y1,'r'); %红色
第二周课程笔记 :
https://www.coursera.org/learn/machine-learning/resources/QQx8l
机器学习-octave使用的更多相关文章
- 吴恩达机器学习-octave笔记
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: ...
- 吴恩达《机器学习》课程笔记——第六章:Matlab/Octave教程
上一篇 ※※※※※※※※ [回到目录] ※※※※※※※※ 下一篇 这一章的内容比较简单,主要是MATLAB的一些基础教程,如果之前没有学过matlab建议直接找一本相关书籍,边做边学,matl ...
- 四大机器学习编程语言对比:R、Python、MATLAB、Octave
本文作者是一位机器学习工程师,他比较了四种机器学习编程语言(工具):R.Python.MATLAB 和 OCTAVE.作者列出了这些语言(工具)的优缺点,希望对想开始学习它们的人有用. 图源:Pixa ...
- 从零单排入门机器学习:Octave/matlab的经常使用知识之矩阵和向量
Octave/matlab的经常使用知识之矩阵和向量 之前一段时间在coursera看了Andrew ng的机器学习的课程,感觉还不错.算是入门了.这次打算以该课程的作业为主线,对机器学习基本知识做一 ...
- ML:机器学习中常用的Octave语句
coursera上吴恩达的机器学习课程使用Octave/Matlab实现算法,有必要知道Octave简单的语句.最重要的:在遇到不会的语句,使用'''help '''或者'''doc '''查看官方文 ...
- Andrew NG 机器学习编程作业5 Octave
问题描述:根据水库中蓄水标线(water level) 使用正则化的线性回归模型预 水流量(water flowing out of dam),然后 debug 学习算法 以及 讨论偏差和方差对 该线 ...
- Andrew NG 机器学习编程作业4 Octave
问题描述:利用BP神经网络对识别阿拉伯数字(0-9) 训练数据集(training set)如下:一共有5000个训练实例(training instance),每个训练实例是一个400维特征的列向量 ...
- Andrew NG 机器学习编程作业3 Octave
问题描述:使用逻辑回归(logistic regression)和神经网络(neural networks)识别手写的阿拉伯数字(0-9) 一.逻辑回归实现: 数据加载到octave中,如下图所示: ...
- Andrew NG 机器学习编程作业2 Octave
问题描述:用逻辑回归根据学生的考试成绩来判断该学生是否可以入学 这里的训练数据(training instance)是学生的两次考试成绩,以及TA是否能够入学的决定(y=0表示成绩不合格,不予录取:y ...
随机推荐
- 给WPF的MessageBox启用视觉样式
WPF的MessageBox为什么会这样 我的一个同学跟我说:“WPF不是新一代技术吗?怎么连MessageBox都没WinForm 的好看?” 上图是Windows Forms 的MesssageB ...
- opencv使用findContours等方法出现内存损坏之类的不能调用问题
错误现象: 编译项目,如果该项目是debug,则在链接器输入配置opencv_world310d.lib如果是release则输入opencv_world310.lib,输入其中一个,多输,输错运行不 ...
- Dropout和学习率衰减
Dropout 在机器学习的模型中,如果模型的参数太多,而训练样本又太少,训练出来的模型很容易产生过拟合的现象.在训练神经网络的时候经常会遇到过拟合的问题,过拟合具体表现在:模型在训练数据上 ...
- Boost Python官方样例(三)
导出C++类(纯虚函数和虚函数) 大致做法就是为class写一个warp,通过get_override方法检测虚函数是否被重载了,如果被重载了调用重载函数,否则调用自身实现,最后导出的时候直接导出wa ...
- 洛谷P1912 [NOI2009]诗人小G(决策单调性)
传送门 题解 决策单调性是个啥……导函数是个啥……这题解讲的是啥……我是个啥…… //minamoto #include<iostream> #include<cstdio> ...
- Git 撤销中间某次的提交记录
今天遇到一个问题,一周前一位同事把非发布代码合并到发布分支上并已发布线上,在这个提交点后已经有了很多次的提交记录,所以不能直接回滚,使用到了gIt提供的revert.以此记录. git revert ...
- 洛谷 P1547 Out of Hay (最小生成树)
嗯... 题目链接:https://www.luogu.org/problemnew/show/P1547 思路: 嗯...既然题中已经说了是最小生成树,那么是需要在最小生成树的模板上稍作修改即可.要 ...
- POJ1016 Numbers That Count
题目来源:http://poj.org/problem?id=1016 题目大意: 对一个非负整数定义一种运算(inventory):数这个数中各个数字出现的次数,然后按顺序记录下来.比如“55531 ...
- centos7虚拟机安装
Centos7 第1章 CENTOS 7 简介 1.1 centos的演变 启动流程sysvinit 串行启动:一次一个, 一个一个启动 并行启动:全部的一起启动 init优点 运行非常良好.主要依赖 ...
- Table AUD$
How to Truncate, Delete, or Purge Rows from the Audit Trail Table AUD$ 转到底部 PURPOSE This document e ...