机器学习数据分析软件:Octave
最近学习了Octave数学软件,这个软件类似于MATLAB,但是操作要比MATLAB简单很多,上手快,对数据分析有很大的帮助,所以这里就简单的把部分练习的代码放在这里,如果你想实现一下,可以按照代码内容来,或者自己编写
GNU Octave, version 7.1.0
Copyright (C) 1993-2022 The Octave Project Developers.
This is free software; see the source code for copying conditions.
There is ABSOLUTELY NO WARRANTY; not even for MERCHANTABILITY or
FITNESS FOR A PARTICULAR PURPOSE. For details, type 'warranty'.Octave was configured for "x86_64-w64-mingw32".Additional information about Octave is available at https://www.octave.org.Please contribute if you find this software useful.
For more information, visit https://www.octave.org/get-involved.htmlRead https://www.octave.org/bugs.html to learn how to submit bug reports.
For information about changes from previous versions, type 'news'.>> 1+1
ans = 2
>> 2_4
ans = 24
>> 2-4
ans = -2
>> 2*4
ans = 8
>> 2^3
ans = 8
>> 1 == 2 % false
ans = 0
>> 1 ~= 2
ans = 1
>> 1 && 0 % and
ans = 0
>> 1 || 0 % or
ans = 1
>> xor(1,0)
ans = 1
>> a = 3;
>> disp(a)
3
>> disp(sprintf('2 decimals: %0.2f',a))
2 decimals: 3.00
>> format long
>> a
a = 3
>> b=pi;
>> b
b = 3.141592653589793
>> format short
>> b
b = 3.1416>> A = [1 2;3 4;5 6]
A =1 23 45 6>> A=[1 2;
3 4;
5 6]
A =1 23 45 6>> v = 1:0.1:2
v =Columns 1 through 10:1.0000 1.1000 1.2000 1.3000 1.4000 1.5000 1.6000 1.7000 1.8000 1.9000Column 11:2.0000>> v = 1:6
v =1 2 3 4 5 6>> ones(2,3)
ans =1 1 11 1 1>> 2*ones(3,3)
ans =2 2 22 2 22 2 2>> zeros(1,3)
ans =0 0 0>> rand(1,5)
ans =0.388980 0.041283 0.117873 0.078976 0.599495>> randn(2,3) %gaosi
ans =0.814927 0.041009 -0.066768-0.392299 -0.322274 0.081502>> w = -6 + sqrt(10)*(randn(1,10000));
>> hist(w)
>> hist(w,100)
>> eye(10) %E function
ans =Diagonal Matrix1 0 0 0 0 0 0 0 0 00 1 0 0 0 0 0 0 0 00 0 1 0 0 0 0 0 0 00 0 0 1 0 0 0 0 0 00 0 0 0 1 0 0 0 0 00 0 0 0 0 1 0 0 0 00 0 0 0 0 0 1 0 0 00 0 0 0 0 0 0 1 0 00 0 0 0 0 0 0 0 1 00 0 0 0 0 0 0 0 0 1>> size(A)
ans =3 2>> size(A, 1)
ans = 3
>> length(A)
ans = 3
>> pwd
ans = C:\Users\Administrator
>> lsAppData
'Application Data'ContactsCookiesDesktopDocumentsDownloadsFavoritesIntelGraphicsProfilesLinks
'Local Settings'Music
'My Documents'NTUSER.DATNTUSER.DAT{95de2aa9-7b20-11e9-87bd-fbd6aa594282}.TM.blfNTUSER.DAT{95de2aa9-7b20-11e9-87bd-fbd6aa594282}.TMContainer00000000000000000001.regtrans-msNTUSER.DAT{95de2aa9-7b20-11e9-87bd-fbd6aa594282}.TMContainer00000000000000000002.regtrans-msNetHoodPicturesPrintHoodPycharmProjectsRecent
'Saved Games'SearchesSendToTemplatesVideosntuser.dat.LOG1ntuser.dat.LOG2ntuser.ini
''$'\343\200\214\345\274\200\345\247\213\343\200\215\350\217\234\345\215\225'
>> cd C:/Users/Administrator/Desktop
>> load data1.txt
error: load: unable to find file data1.txt
>> load data1.dat
>> load('data1.dat')
>> who
Variables visible from the current scope:A a ans b data1 v w>> whos
Variables visible from the current scope:variables in scope: top scopeAttr Name Size Bytes Class==== ==== ==== ===== =====A 3x2 48 doublea 1x1 8 doubleans 1x22 22 charb 1x1 8 doubledata1 97x2 1552 doublev 1x6 24 doublew 1x10000 80000 doubleTotal is 10230 elements using 81662 bytes>> size(data1)
ans =97 2>> clear w
>> who
Variables visible from the current scope:A a ans b data1 v>> v = data1(1:10)
v =6.1101 5.5277 8.5186 7.0032 5.8598 8.3829 7.4764 8.5781 6.4862 5.0546>> save hello.mat data1.dat
warning: save: no such variable 'data1.dat'
>> save a.txt v -ascii>> A(3,2)
ans = 6
>> A(2,:)
ans =3 4>> A([1 3],:)
ans =1 25 6>> A
A =1 23 45 6>> A(:,2)=[10,11,12]
A =1 103 115 12>> A = [A,[100,101,102]]
error: horizontal dimensions mismatch (3x2 vs 1x3)
>> A = [A,[100;101;102]]
A =1 10 1003 11 1015 12 102>> A(:)
ans =135101112100101102>>
>> A = [1 2; 3 4]
A =1 23 4>> B = [5 6;7 8]
B =5 67 8>> C = [A B]
C =1 2 5 63 4 7 8>> C = [A; B]
C =1 23 45 67 8>> size(C)
ans =4 2>> size(C,2)
ans = 2
>> size(C,1)
ans = 4
>> A * B
ans =19 2243 50>> A .* B
ans =5 1221 32>> A .^ 2
ans =1 49 16>> 1 ./ A
ans =1.0000 0.50000.3333 0.2500>> log(A)
ans =0 0.69311.0986 1.3863>> exp(A) % ex
ans =2.7183 7.389120.0855 54.5982>> abs(A) % 求绝对值
ans =1 23 4>> -A
ans =-1 -2-3 -4>> A + ones(length(B),1)
ans =2 34 5>> A
A =1 23 4>> A + 1
ans =2 34 5>> A' % zhuanzhi
ans =1 32 4>> max(A)
ans =3 4>> [val, ind]=max(A)
val =3 4ind =2 2>> find(A<3)
ans =13>> A =magic(6)
A =35 1 6 26 19 243 32 7 21 23 2531 9 2 22 27 208 28 33 17 10 1530 5 34 12 14 164 36 29 13 18 11>> [r , c] = find(A <= 3)
r =213c =123>> A
A =35 1 6 26 19 243 32 7 21 23 2531 9 2 22 27 208 28 33 17 10 1530 5 34 12 14 164 36 29 13 18 11>> sum(A)
ans =111 111 111 111 111 111>> prod(A) % product
ans =3.1248e+06 1.4515e+06 2.7332e+06 3.1856e+07 2.9733e+07 3.1680e+07>> floor(A) % 向下取整
ans =35 1 6 26 19 243 32 7 21 23 2531 9 2 22 27 208 28 33 17 10 1530 5 34 12 14 164 36 29 13 18 11>> ceil(A) % 向上取整
ans =35 1 6 26 19 243 32 7 21 23 2531 9 2 22 27 208 28 33 17 10 1530 5 34 12 14 164 36 29 13 18 11>> max(rand(3),rand(3))
ans =0.8349 0.4311 0.83880.8539 0.5075 0.75130.9351 0.6399 0.6021>> max(A,[],1)
ans =35 36 34 26 27 25>> max(A,[],2)
ans =353231333436>> max(max(A))
ans = 36
>> max(A(:))
ans = 36
>>
>> sum(A,1)
ans =111 111 111 111 111 111>> sum(A,2)
ans =111111111111111111>> sum(sum(A.*eye(6)))
ans = 111
>> sum(sum(A.*flipud(eye(6))))
ans = 111
>> flipud(eye(6))
ans =Permutation Matrix0 0 0 0 0 10 0 0 0 1 00 0 0 1 0 00 0 1 0 0 00 1 0 0 0 01 0 0 0 0 0>> pinv(A) % 伪逆矩阵
ans =1.1532e-02 -3.8622e-02 2.5421e-02 5.3595e-03 -1.3931e-02 1.9248e-022.2731e-03 -2.0103e-02 1.6162e-02 1.4619e-02 -3.2449e-02 2.8508e-02-8.1436e-03 3.0447e-03 -1.5088e-02 4.2021e-03 2.7736e-02 -2.7423e-035.3971e-02 -4.1708e-02 -1.5849e-03 6.0143e-02 -6.6400e-02 4.5879e-03-4.0937e-02 2.3106e-02 2.8508e-02 -5.3282e-02 3.5452e-02 1.6162e-02-9.6868e-03 8.3292e-02 -4.4409e-02 -2.2032e-02 5.8600e-02 -5.6755e-02>> inv(A)
warning: matrix singular to machine precision, rcond = 4.80096e-18
ans =3.7530e+14 4.7714e-02 -3.7530e+14 -3.7530e+14 9.3750e-02 3.7530e+143.7530e+14 6.6233e-02 -3.7530e+14 -3.7530e+14 6.2500e-02 3.7530e+14-1.8765e+14 -4.0123e-02 1.8765e+14 1.8765e+14 -1.5625e-02 -1.8765e+14-3.7530e+14 -1.2804e-01 3.7530e+14 3.7530e+14 -1.5625e-01 -3.7530e+14-3.7530e+14 -6.3230e-02 3.7530e+14 3.7530e+14 -6.2500e-02 -3.7530e+141.8765e+14 1.2646e-01 -1.8765e+14 -1.8765e+14 1.0938e-01 1.8765e+14>> pinv(A)*A
ans =0.777778 -0.222222 0.111111 0.222222 0.222222 -0.111111-0.222222 0.777778 0.111111 0.222222 0.222222 -0.1111110.111111 0.111111 0.944444 -0.111111 -0.111111 0.0555560.222222 0.222222 -0.111111 0.777778 -0.222222 0.1111110.222222 0.222222 -0.111111 -0.222222 0.777778 0.111111-0.111111 -0.111111 0.055556 0.111111 0.111111 0.944444>>
>>
>> t = [1 2 3 4 5 6 7 8 9]
t =1 2 3 4 5 6 7 8 9>> y1= sin(pi*4*t)
y1 =Columns 1 through 7:-4.8984e-16 -9.7969e-16 -1.4695e-15 -1.9594e-15 -2.4492e-15 -2.9391e-15 -3.4289e-15Columns 8 and 9:-3.9187e-15 -4.4086e-15>> plot(t,yi)
error: 'yi' undefined near line 1, column 8
>> plot(t,y1)
>> hold on;
>> plot(t,y1,'r')
>> xlabel('time')
>> ylabel('value')
>> print -dpng 'myFirstPlot.png' % 图片储存
>> close
>> figure(1);plot(t,y1)
>> figure(2);plot(t,y1)
>> subplot(1,2,1)
>> plot(t,y1)
>> subplot(1,2,2)
>> plot(t,y1)
>> axis([0.5 1 -1 1])
>> iamgesc(A)
error: 'iamgesc' undefined near line 1, column 1
>> imagesc(A)
>> imagesc(A),colorbar,colormap gray;
>> close>> pwd
ans = C:\Users\Administrator\Desktop
>> squarThisNumber(10)
error: 'squarThisNumber' undefined near line 1, column 1
>> squareThisNumber(10)
ans = 100
squareThisNumber.m函数:
注意:文件的命名应该和函数名相同,否则无法调用函数!!
function y = squareThisNumber(x)y = x^2;
costFunctionJ.m函数:
function j = costFunctionJ(X, y, theta)% X 是设计函数,就是训练样本数
% y 分类标签m = size(X, 1); % 计算训练样本个数(行数)
prediction = X * theta;
sqrErrors = (prediction - y).^2;J = 1/(2*m)*sum(sqrErrors); %主函数
机器学习数据分析软件:Octave相关推荐
- 探讨使用UML设计机器学习特征工程与深度学习建模等大数据分析软件
大数据人工智能软件产品研发,是在传统软件工程的基础上,增加了数据特征分析.人工智能算法建模及模型训练过程,同时也增加了很大的不确定性. 0. 前言 本文以程序员视角,以客户流失为案例,使用UML方式设 ...
- 【数据分析】33个热门数据分析软件,你都用过哪些?
最近有一位小伙伴问我,做数据岗该学习哪些软件,我想了想扔给他33个软件 数据分析工具类软件,大体可以分为以下5类: Excel生态工具.数理统计工具.BI工具.数据库工具.编程工具 (Excel单独分 ...
- 33个热门数据分析软件,你都用过哪些?
最近有一位小伙伴问我,做数据岗该学习哪些软件,我想了想扔给他33个软件 数据分析工具类软件,大体可以分为以下5类: Excel生态工具.数理统计工具.BI工具.数据库工具.编程工具 (Excel单独分 ...
- 线程导入大数据入库_大数据处理及分析该怎么做?用这款数据分析软件轻松搞定...
对大数据的重视让很多企业都在纷纷寻找更好的大数据处理及分析方法?这款数据分析软件轻松搞定! 一.数据采集 虽然每天互联网都会产生大量的数据,对于企业来讲,要搜集对自己企业有用的数据才是真的大数据.首 ...
- 可视化大数据分析软件要掌握的6个核心技术
大数据技术和商业智能BI相辅相成.大数据技术可以帮助BI产品突破业务和技术的双重挑战.可视化大数据分析软件在市场环境的快速发展中,带来了越来越多的技术要求.这些核心技术已经成为大数据获取.存储.过程分 ...
- 「首席架构师推荐」精选数据分析软件列表
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程.这一过程也是质量管理体系的支持过程.在实用中,数据分析可帮助人们作出判断,以便采 ...
- 那些让你“相见恨晚”的数据分析软件,一般人我不告诉他
CDA数据分析研究院原创作品,转载要授权哟 前段时间考研结束,衷心祝愿那些奋斗数载的小伙伴们可以考到自己梦寐以求的大学.人生短暂,人间美好,希望通过努力奋斗你我都可以体会到生活的点点滴滴. 开头说点题 ...
- 开发常用的大数据分析软件有哪些
大数据研究的出现为企业.研究机构和政府决策提供了新的.有效的思路和手段.为了做好大数据的管理和分析工作,必须使用一些大数据开发工具,以下是大数据开发过程中常用的工具: 1.Apache Hive Hi ...
- 分享丨一篇文读懂19款数据分析软件,解救选择困难症!
数据分析(Data Analytics)从来都不是一个寂寞的领域,每一个时代都赋予其新的内容.在大数据盛行之时,各种大数据分析软件如雨后春笋一般涌现出来,整个市场一片繁花似锦.欣欣向荣.本篇文章主要介 ...
最新文章
- 来客推商城V3多用户uni-app商城源码如何搭建?盈利模式怎么样的?
- Silverlight RIA Services基础专题
- 一款功能强大,可扩展端到端加密反向Shell的工具
- ABAP后台作业(background job)的几种状态
- Android之error: ‘const struct JNINativeInterface‘ has no member named ‘callVoidMethod‘
- android 点击选择文件夹,Android----弹出框选择文件夹目录以及启用新Task打开文件_IT168文库.pdf...
- WPF之DataTemplate(转)
- javascript获取元素样式值
- Excel两列数据比较,相同的保存在另外一列
- 深入剖析 redis 主从复制
- win10系统的电脑如何录屏?QVE录屏大师使用教程?
- 计算机信息管理发展的重要性,建设计算机信息管理系统的意义和目标
- [HNOI2009] 图的同构
- 手机如何注册163邮箱?注册邮箱的方法步骤
- 三刺激值计算公式_三刺激值及对应的xyU'V'
- 使用Horner法则计算多项式的值
- html实现ipad投屏到显示器,iPad投屏的两种方式
- 高等数学——砍瓜切菜算积分的分部积分法
- groupcache源码解析(IRU)
- 无胁科技-TVD每日漏洞情报-2022-11-30