吴恩达机器学习总结四：Octave语法

第六章Octave语法
基本操作：
1、1 ~= 2判断不相等
2、小写pi表示π
3、A=[1 2;3 4;5 6]分号表示换行
4、D = 1:6就建立一个行向量[1,2,3,4,5,6]
5、E=[1:2:10]指定1-10步长为2，即[1,3,5,7,9]
6、F=ones(2,3)建立一个两行三列的全一矩阵[1 1 1;1 1 1]
7、w=zeros(2,4)
8、h=rand(3,3)生成均是随机数，0-1，小数点后6位
9、r=randn(1,1000)生成1000个数服从正态分布
10、hist(r)将r画成图表
11、eye(5)表示生成一个5阶的单位矩阵
数据移动：
1、size(eye(5))返回一个[5,5],前一个是行数后一个是列数
2、size(eye(5),1)返回行数，size(eye(5),2)返回列数，其实size函数返回的也是一个矩阵
3、who命令可以查看当前定义的变量有哪些，whos可以显示更详细的数据
4、test(1,1)表示取出test的第一行第一列的元素
5、test(1,:)表示取出整个第一行
6、test([1,3,5],:)表示取出第1/3/5行
7、test(:)表示把test的所有行变成一个列向量，先是第一列，接着第二列……加成一列
8、A=[test,[1;3;5;7]]表示把列向量1357续在test的最右边作为一列形成新矩阵
计算数据：
1、A*B表示矩阵相乘，A.*B表示对应元素相乘
2、1./A表示对A中每一个元素求倒数
3、A’表示转置
4、a=[1 2 3 0.5]; [val,index]=max(a)求出最大值及其索引，也可只返回最大值
5、a<3返回的仍是一个数组[1 1 0 1]，比较对应位置的元素，小于3则返回1
绘图工具：
1、一般步骤：
t=[0:0.01:0.98] t存储数据
y=sin(4*pi*t) y存储表达式，应该自变量要在上边有数据，不然怎么指定和带入
plot(t,y) 绘图
hold on;保持图像，可以再绘制同时显示两个图像
w=cos(4*pi*t)
plot(t,w,’r’) 上边图形保留，现在换红色线再画一个
title(‘my title’)改变标题
xlabel(‘time’)横轴
ylabel(‘value’)纵轴
legend(‘hahaha’,’lalala’)分别指明两条线是什么，按先后顺序

3、在两张画布分别作图（正常连画两次，第二张会覆盖第一张）
figure(1);plot(t,y) //指定为第一张画
figure(2);plot(t,w)

4、在子方格作画：

subplot(3,3,3) 前两个参数表示分成3*3的方格，最后一个3表示在第三个方格作画
plot(t,y)
subplot(3,3,5)
plot(t,w)

5、移动画轴
axis([0.5 1 0 1])将画面移动到x轴0.5-1，y轴0-1的位置，原图不改变只是移动视角

这是sin图的坐标轴上边部分
6、绘制方格图
imagesc(magic(15)),colorbar,colormap gray；imagesc函数的参数是一个矩阵
colorbar用来显示不同颜色和数值之间对应关系
colormap gray指定灰度图，只用灰色一种颜色区分数值，深浅程度不同

吴恩达机器学习总结四：Octave语法相关推荐

吴恩达机器学习笔记——Day2——Octave使用基础
观看的视频来自网易云课堂--<吴恩达机器学习> http://吴恩达机器学习 - 网易云课堂 https://study.163.com/course/courseMain.htm?cou ...
【深度之眼吴恩达机器学习第四期】笔记（十二）
目录大规模学习小批量梯度下降在线学习数据并行应用举例人工合成数据上限分析总结大规模学习现在机器学习的性能比过去的好,其中一个原因就是现在拥有大量的数据. 而且其中一种获得高性能机器 ...
吴恩达机器学习（四）逻辑回归（二分类与多分类）
目录 0. 前言 1. 假设函数(Hypothesis) 2. 决策边界(Decision Boundary) 3. 代价函数(Cost Funciton) 4. 梯度下降(Gradient Desc ...
【深度之眼吴恩达机器学习第四期】笔记（五）
目录机器学习诊断一.无超参数时对假设进行评估二.有超参数时对假设进行评估三.过拟合还是欠拟合四.增加还是减小正则化参数λ 五.应该获取更多的数据样本吗总结一下实现算法的推荐方法数据偏差 ...
【深度之眼吴恩达机器学习第四期】笔记（一）
目录第一章:什么是机器学习第二章:线性回归模型第三章:矩阵运算第四章:多变量线性回归正规方程第五章:操作第一章:什么是机器学习机器学习主要分为监督学习(我们教计算机如何学习)和无监督学 ...
【学习笔记】吴恩达机器学习 WEEK2 线性回归 Octave教程
Multivariate Linear Regression Multiple Features Xj(i)X_j^{(i)}Xj(i) 其中j表示迭代次数,i表示矩阵索引转换原来:hθ(x)= ...
【深度之眼吴恩达机器学习第四期】笔记（十）
目录异常点检测高斯分布异常点检测和监督学习选择特征多元高斯分布使用多元高斯分布的异常点检测算法原始模型VS.多元高斯分布的模型编程异常点检测假如有一个关于飞机引擎的数据集,而且这些 ...
【深度之眼吴恩达机器学习第四期】笔记（九）
目录 K均值 K均值算法语言描述伪代码描述解决分离不佳的簇 K均值的损失函数 K均值初始化如何选择K 主成分分析用途1:去除冗余特征用途2:可视化数据直观来理解主成分分析主成分分析与线 ...
【深度之眼吴恩达机器学习第四期】笔记（四）
目录神经网络神经网络训练流程我们已经有线性回归和逻辑回归了,为什么还要使用神经网络呢? 对于一个有两个输入分量(x1,x2)的分类问题,我们使用这两个分量的组合来构造假设函数(图中右上角),可能 ...

吴恩达机器学习总结四：Octave语法

吴恩达机器学习总结四：Octave语法相关推荐

最新文章

热门文章