机器学习-octave使用
1 == 2 % false
1 ~=2 % true
% 隐藏版本,只显示>> .
PS1('>> ');
% 输出两位小数格式
disp(sprintf('2 decimals: %0.2f',a))
% 转换数字格式
format long
format short
v = 1:0.1:2 % v是一个一行十一列矩阵(1.0 1.1 1.2.............2.0)
v = 1:6 % v是一个一行十一列矩阵(1 2 3 4 5 6)
ones(2,3) zeros(2,3) rand(2,3) % 分别生成全为1,全为0,或随机数组成的两行三列矩阵
eye(3) % 三行三列单位矩阵
A = [1 2;3 4; 5 6]
sz = size(A) % 行数列数
sz =
3 2
size(A,1) % 行数
ans = 3;
size(A,2) % 列数
ans = 255;
ans = 3;E
>> pwd % 当前所处路径
ans = C:\Users\Administrator
>> cd 'C:\Users\Administrator\Desktop'
>> pwd % 修改当前所处路径
ans = C:\Users\Administrator\Desktop
load x % 加载一个文件
who whos %显示当前的变量
clear x % 清除某一个变量
clear % 清除所有变量
save hello.mat I %将I 保存到文件中
>> A = [1 2;3 4;5 6] A =
1 2
3 4
5 6
>> A(3,2) ans = 6
>> A(2,:) ans =
3 4
>> A(:,2) ans =
2
4
6
>> A(:,2) = [8; 9; 7]
A =
1 8
3 9
5 7
>> A = [A, [100; 105; 110]]
A =
1 8 100
3 9 105
5 7 110
>> A(:) %将A中所有元素生成一个列向量
ans =
1
3
5
8
9
7
100
105
110
C = [A B] %A在左,B在右
C = 【A;B] %A在上,B在下
>> A = [1 2;3 4;5 6]
>> B = [11 12;13 14;15 16]
>> A .* B % 对应元素分别相乘
ans =
11 24
39 56
75 96
A .^ 2 % 得到一个A中每一个元素平方的矩阵
1 ./ A % 得到一个A中每一个元素取倒数的矩阵
log(A) exp(A) abs(A) A + 1 ....... % 得到一个A中每一个元素做相应运算的矩阵
>> a = [1 2 3 4]
>> max(a) ans = 4
a < 3
ans = %对每一个元素进行判断
1 1 0 0
>> max(A)
ans =
5 6
A =[1 2; 3 4; 5 6]
magic(3) %产生一个三行三列的矩阵,每一行每一列加起来相等
sum(A,1) %求每一行的和
sum(A,2) %求每一列的和
>> t = [0:0.01:0.98];
>> y1 = sin(2*pi*4*t);
>> plot(t,y1); % 画出关于y1-t的图
>> y2 = cos(2*pi*4*t);
>> plot(t,y2);
>> hold on; %保持y2-t
>> plot(t,y1,'r'); %红色
第二周课程笔记 :
https://www.coursera.org/learn/machine-learning/resources/QQx8l
机器学习-octave使用的更多相关文章
- 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: ...
- 吴恩达《机器学习》课程笔记——第六章:Matlab/Octave教程
上一篇 ※※※※※※※※ [回到目录] ※※※※※※※※ 下一篇 这一章的内容比较简单,主要是MATLAB的一些基础教程,如果之前没有学过matlab建议直接找一本相关书籍,边做边学,matl ...
- 四大机器学习编程语言对比:R、Python、MATLAB、Octave
本文作者是一位机器学习工程师,他比较了四种机器学习编程语言(工具):R.Python.MATLAB 和 OCTAVE.作者列出了这些语言(工具)的优缺点,希望对想开始学习它们的人有用. 图源:Pixa ...
- 从零单排入门机器学习:Octave/matlab的经常使用知识之矩阵和向量
Octave/matlab的经常使用知识之矩阵和向量 之前一段时间在coursera看了Andrew ng的机器学习的课程,感觉还不错.算是入门了.这次打算以该课程的作业为主线,对机器学习基本知识做一 ...
- ML:机器学习中常用的Octave语句
coursera上吴恩达的机器学习课程使用Octave/Matlab实现算法,有必要知道Octave简单的语句.最重要的:在遇到不会的语句,使用'''help '''或者'''doc '''查看官方文 ...
- Andrew NG 机器学习编程作业5 Octave
问题描述:根据水库中蓄水标线(water level) 使用正则化的线性回归模型预 水流量(water flowing out of dam),然后 debug 学习算法 以及 讨论偏差和方差对 该线 ...
- Andrew NG 机器学习编程作业4 Octave
问题描述:利用BP神经网络对识别阿拉伯数字(0-9) 训练数据集(training set)如下:一共有5000个训练实例(training instance),每个训练实例是一个400维特征的列向量 ...
- Andrew NG 机器学习编程作业3 Octave
问题描述:使用逻辑回归(logistic regression)和神经网络(neural networks)识别手写的阿拉伯数字(0-9) 一.逻辑回归实现: 数据加载到octave中,如下图所示: ...
- Andrew NG 机器学习编程作业2 Octave
问题描述:用逻辑回归根据学生的考试成绩来判断该学生是否可以入学 这里的训练数据(training instance)是学生的两次考试成绩,以及TA是否能够入学的决定(y=0表示成绩不合格,不予录取:y ...
随机推荐
- Lxc的cgroup技术
你将学到什么 什么是cgroup 如何使用cgroup Cgroup简介 CGroup是Control Groups的缩写,是Linux内核提供的一种可以限制.记录.隔离进程组所使用的硬件资源的机制. ...
- vue-cli目录结构及说明
使用vue-cli有时会出现一些莫名的问题,清楚项目的结构文件及其意义方便更好的开发和解决问题,介绍如下: build/ // 项目构建(webpack)相关代码 build.js // 生产环境构建 ...
- .frm和.ibd恢复数据
昨日晚上开发告诉我不小心truncate两个表的数据,要求还原.结果在阿里云上找到了备份内容,结果是物理备份文件.frm..ibd.心中一万个草泥马啊..没办法,开始还原吧. 1.查看测试机Mysql ...
- 51nod1489(dfs)
题目链接:https://www.51nod.com/onlineJudge/questionCode.html#!problemId=1489 题意:中文题诶- 思路:dfs 首先我们要通过攻击第1 ...
- 2014-11-3 NOIP模拟赛2
NOIP 2014 水题模拟赛 (请选手务必仔细阅读本页内容) 一.题目概况 中文题目名称 数列 刷漆 排队 英文题目与子目录名 seq paint layout 可执行文件名 seq paint l ...
- 项目经验:Glyphicons字体图标改造,制造适合自己项目的字体图标
Bootstrap对我们来说已经不陌生了,大型的项目一定会用到它.它的DOM结构,字体图标,组件,响应式布局等,很大程度上提高了WEB开发速度. 在bootstrap刚出来的时候,它拥有丰富的组件.美 ...
- 消息中间件 | 消息协议 | MQTT3.1.1 -- 《分布式 消息中间件实践》笔记
1999年,IBM和合作伙伴共同发明MQTT协议 14年,MQTT正式成为推荐的物联网传输协议标准 常应用于很多机器计算能力有限.底带宽.网络不可靠的远程通信应用场景中. 主要概念 MQT ...
- 自动检测GD库支持的图像类型
以下代码通过自动检测GD库支持的图像类型 来写出移直性更好的PHP代码 <?php if(function_exists("imagegif")){ header(" ...
- 一个经典的PHP文件上传类
需求分析如下: (1)支持单个文件上传 (2)支持多个文件上传 (3)可以指定保存位置 可以设置上传文件允许的大小和类型 可以选择重命名和保留原名 <!-- 设计一个经典文件上传类 需求分析 ( ...
- HDU 5734 A - Acperience
http://acm.hdu.edu.cn/showproblem.php?pid=5734 Problem Description Deep neural networks (DNN) have s ...