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=1:0.1:2
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
- 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 ...
- 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( ...
- ML:吴恩达 机器学习 课程笔记(Week7~8)
Support Vector Machines Unsupervised Learning Dimensionality Reduction
- 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
- ML:吴恩达 机器学习 课程笔记(Week9~10)
Anomaly Detection Recommender Systems Large Scale Machine Learning
- ML:吴恩达 机器学习 课程笔记(Week3~4)
Logistic Regression Regularization Neural Networks: Representation
- 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 ...
- 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 ...
- 【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
- 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 ...
- 【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 ...
- 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 ...
- 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 ...
- 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 ...
- 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, ...
- 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 ...
- el-checkbox遇到的问题
在官网中有实例 <template> <el-checkbox :indeterminate="isIndeterminate" v-model="ch ...
- 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 ...
- 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 ...