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
- 怎样从外网访问内网OpenLDAP数据库
外网访问内网OpenLDAP数据库 本地安装了OpenLDAP数据库,只能在局域网内访问,怎样从外网也能访问本地OpenLDAP数据库? 本文将介绍具体的实现步骤. 1. 准备工作 1.1 安装并启动 ...
- lmbench用于arm测试
一.下载 http://www.bitmover.com/lmbench/lmbench.html网站有lmbench的介绍 下载地址如下(lmbench3): http://www.bitmover ...
- saltstack 基本的批量操作
centos 6.5 saltstack 2015.5.10 (Lithium) 基本用法 # salt 'DEV-APP-001' cmd.run 'hostname' #指定被控端 # salt ...
- Oracle错误——user ** lacks CREATE SESSION privilege logon denied
错误 在删除一个用户TEST的情况下,再次新建用户TEST并赋予sysdba权限,使用plsqldev工具登录数据库TEST用户,报错user TEST lacks CREATE SESSION p ...
- ssh登录后很慢 卡住 树莓派
ssh登录后很慢,ls命令都响应很慢.sftp也连接不上.结果发现是路由器的问题,重启一下路由器就好了
- 【Python】【自动化测试】【pytest】【常用命令行选项】
https://www.cnblogs.com/cnkemi/p/9989019.html http://www.cnblogs.com/cnkemi/p/10002788.html pytest 常 ...
- HTML5的十大新特性
为了更好地处理今天的互联网应用,HTML5添加了很多新元素及功能,比如: 图形的绘制,多媒体内容,更好的页面结构,更好的形式 处理,和几个api拖放元素,定位,包括网页 应用程序缓存,存储,网络工作者 ...
- 716-River Crossing
深奥dp,状态转来转去,反正就是能解题 #include <cstdio> #include <iostream> #include <cstring> #incl ...
- 力扣(LeetCode)482. 密钥格式化
给定一个密钥字符串S,只包含字母,数字以及 '-'(破折号).N 个 '-' 将字符串分成了 N+1 组.给定一个数字 K,重新格式化字符串,除了第一个分组以外,每个分组要包含 K 个字##符,第一个 ...
- ES6的小知识(后半部分)
一.iterator和for-of循环 在js里有数组和对象,es6又新出现了set和map这样js就有了四种数据集合,这样可以组合使用他们,比如数组里拥有对象,set等,这样就需要一个统一的 接口机 ...