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. UI自动化(九)Css Selector

    什么是Css Selector? Css Selector定位实际就是HTML的Css选择器的标签定位 工具 Css Selector的练习建议大家安装火狐浏览器后,下载插件,FireFinder 或 ...

  2. 【Python游戏编程01--初步认识pygame】

    一.pygame简介 Pygame 是一组用来开发游戏软件的 Python 程序模块,基于 SDL 库的基础上开发.允许你在 Python 程序中创建功能丰富的游戏和多媒体程序,Pygame 是一个高 ...

  3. Ubuntu 18.04拨号上网及校园网开启IPV6

    Ubuntu 18.04下有两种方法实现拨号上网,第一种是通过图形界面添加,需要开启自动连接,并且要关闭以太网的自动连接.(不推荐这种连接方式)这里介绍第二种,通过pppoeconf命令进行拨号. 关 ...

  4. Cmd Markdown 编辑阅读器

    我们理解您需要更便捷更高效的工具记录思想,整理笔记.知识,并将其中承载的价值传播给他人,Cmd Markdown 是我们给出的答案 -- 我们为记录思想和分享知识提供更专业的工具. 您可以使用 Cmd ...

  5. python 基础知识点二

    深浅copy 1对于赋值运算来说,l1与l2指向的是同一个内存地址,所以他们是完全一样的. l1 = [1,2,3,['barry','alex']] l2 = l1 l1[0] = 111 prin ...

  6. Learning-MySQL【1】:数据库初识及 MySQL 的安装

    一.什么是数据 数据(Data):描述事务的符号记录,描述事物的符号既可以是数字,也可以是文字.图片,图像.声音.语言等,数据由多种表现形式,它们都可以经过数字化后存入计算机 在计算机中描述一个事物, ...

  7. 进程池 和 multiprocessing.Pool模块

    进程池的概念 在程序实际处理问题过程中,忙时会有成千上万的任务需要被执行,闲时可能只有零星任务.那么在成千上万个任务需要被执行的时候,我们就需要去创建成千上万个进程么?首先,创建进程需要消耗时间,销毁 ...

  8. el-checkbox遇到的问题

    在官网中有实例 <template> <el-checkbox :indeterminate="isIndeterminate" v-model="ch ...

  9. linux下postgres未能正常启动的解决过程

    转载:http://www.cnblogs.com/starRebel/p/7892214.html 起因是一次linux服务器重启后,postgres没有起来,手动找原因. 1. 直接在命令行打po ...

  10. 二叉树分派硬币 Distribute Coins in Binary Tree

    2019-03-27 15:53:38 问题描述: 问题求解: 很有意思的题目.充分体现了二叉树的自底向上的递归思路. 自底向上进行运算,对于最底层的二叉子树,我们需要计算每个节点向其parent传送 ...