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. 常用分布随机数生成及JS类函数开发和运用

    (2017-02-15 银河统计) 随机数生成是运用蒙特卡洛或统计随机模拟仿真方法的前提.本文在银河统计Web Service接口基础上,编制JS类函数生成常用分布随机数,为在网页中实现模拟仿真项目提 ...

  2. wm_concat函数oracle 11g返回clob

    用wm_concat连接拼接字符串,测试环境是10g,一切正常 到了生产环境是11g,点开直接报错了 wm_concat函数在oracle 10g返回的是字符串,到了11g返回的是clob 解决办法: ...

  3. mysql awr v1.0.3修正说明以及发布

    本版本计划修正或者包含如下内容: 1.innodb buffer_pool只是分配的vm大小,实际并不一定真正使用这么多,还可能会有内存泄露,故调整从innodb_buffer_pool_stats获 ...

  4. yaf

    一.yaf使用自定义的类 Yaf的library和model的文件命名规则和调用:https://www.cnblogs.com/leedom/p/9396138.html 安装参考: https:/ ...

  5. npm 清理缓存

    npm cache clean -f 有些时候npm下载资源出错,再次下载的时候可能因为之前错误的缓存造成一直下载不成功. 此时可以清一下npm的缓存,然后尝试重新下载

  6. SSM-网站后台管理系统制作(1)

    好久没写博客了,忙于考试和项目答辩,今天整理一下想弄的SSM:本人想做的是博客管理平台,和博客园,CSDN,stackoverflow这些类似. 老师先让做的是后台管理系统,先给出来吧. (讲解内容: ...

  7. 【Python61--异常处理】

    一.URLrror 当我们的urlopen无法处理一个响应的时候就会出现一个urlerror的错误,但同时url会伴随一个res的属性,包含一个由错误编码和错误信息url 举例: import url ...

  8. vc++2010如何新建项目并在控制台打印helloworld

    关于写c++使用什么集成开发环境的问题其实挺纠结的.我找了好久找到codeblocks,发现这款IDE还是最适合用在最标准的c++语法环境中.其实先前装过vs2015旗舰版,但是这款软件太大了,非常消 ...

  9. python学习----IO模型

    一.IO模型介绍 本文讨论的背景是Linux环境下的network IO. 本文最重要的参考文献是Richard Stevens的"UNIX® Network Programming Vol ...

  10. [原][算法][earth]三段smooth,传入时间,返回距离。仿谷歌视角飞跃处理

    算法需求: 传入[0~1]的时间time,返回[0~1]的路程. 整个路程distance[0~1]分为三段路径: 第一段:在0.25time的时间里,速度从0,位置从distance:0加速移动到距 ...