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
- zabbix 乱码问题
一.乱码原因 查看cpu负载,中文乱码如下 这个问题是由于zabbix的web端没有中文字库,我们最需要把中文字库加上即可 二.解决zabbix乱码方法 2.1 上传字体文件到zabbix中 找到本地 ...
- Html 标签初知
Html 标签初知 什么是Html 标签 超文本标记语言(外国语简称:HTML)标记标签通常被称为HTML标签,HTML标签是HTML语言中最基本的单位,HTML标签是HTML(标准通用标记语言下的一 ...
- Windows下用python来获取微信撤回消息
转自:https://blog.csdn.net/sunzhibin1/article/details/83348304 娱乐(windows系统) 安装itchat itchat是一个开源的pyth ...
- win7下Oracle库impdp导入dmp
第一步:创建备份文件存储目录 create or replace directory back_file as 'D:\app\yangxf\back_or_memery_file'; create ...
- RPM Yum 相关命令及参数
RPM 命令 我们可以直接使用rpm命令,对软件包进行一些操作. 安装 rpm –ivh <package_name> rpm –Uvh <package_name> # 没有 ...
- 《Visual C# 从入门到精通》第三章使用判断语句——读书笔记
第3章 使用判断语句 3.1 使用布尔操作符 布尔操作符是求值为true或false的操作符. C#提供了几个非常有用的布尔操作符,其中最简单的是NOT(求反)操作符,它用感叹号(!)表示.!操作符求 ...
- 微信端修改title
function setTitle(t) { document.title = t; var i = document.createElement('iframe'); i.src = "i ...
- Ubuntu 停止 mydesktop 服务
systemctl list-unit-files | grep mydesktop systemctl disable mydesktop.service
- 【转】 ISP-镜头阴影校正(LSC)
转自:https://blog.csdn.net/xiaoyouck/article/details/77206505 介绍镜头阴影校正(Lens Shading Correction)是为了解决由于 ...
- koa和express对比
不同: 1.启动方式不同 koa采用了new Koa()的方式,而express采用传统的函数形式 2.中间件形式二者不一样,这是由二者处理中间件的逻辑差异导致的,实际上这也是二者最根本的差别 3.k ...