1 .m文件和 .mat文件的区别

.m文件和 .mat文件的区别为：性质不同、调用不同、解析不同。

1.1 性质不同

一、性质不同

1、.m文件：.m文件是保存一段代码zd的文件，类似于C语言中的一个函数体；这也是MATLAB中最常见的文件内保存格式之一。

2、.mat文件：.mat文件是matlab的数据存储的标准格式。也就是操作产生的数据的一个集合包，可以把一次处理的结果保存，供下一次使用。

1.2 调用不同

二、调用不同

1、.m文件：.m文件可以直接用来执行调用。

2、.mat文件：.mat文件不可以直接用来执行，需要通过load命令调用。

2 format函数

请注意，解包含虚数 i，这是 MATLAB 中的内置常量。

在命令行窗口中仅显示前四个小数位。您可以使用 format 函数控制显示的精度。

请试着输入 format long 并显示 x 的值。

输入 format short 可切换回默认显示。

3 .*的区别

1、在进行数之间的运算时“.”和“”是没有区别的，都是表示普通的乘法运算。例：m = 2，n = 3，m.n = 6， mn = 6。

2、在进行矩阵之间的运算时“.”和“”的意义就有所不同了。假设a，b表示两个矩阵，a*b表示矩阵a与矩阵b进行矩阵相乘，a.*b表示矩阵a中的元素与矩阵b中的元素按位置依次相乘，得到的结果将作为新矩阵中相同位置的元素

4 绘图案例

plot(yrs,res,"b--")
hold on
plot(yrs,comm,"k:")
plot(yrs,ind,"m-.")
hold off

5 导入工具

6 逻辑索引

您可以使用逻辑数组作为数组索引，在这种情况下，MATLAB 会提取索引为 true 的数组元素。以下示例将会提取 v1 中大于 6 的所有元素。
v = v1(v1 > 6)
v =
6.6678
9.0698

7 恒星运动

load starData
nObs = size(spectra,1)
lambdaStart = 630.02
lambdaDelta = 0.14Task 1lambdaEnd = lambdaStart + (nObs-1)*lambdaDelta
lambda = (lambdaStart:lambdaDelta:lambdaEnd)'Task 2 & 7s = spectra(:,3)Task 3
loglog(lambda,s,".-")
xlabel("Wavelength")
ylabel("Intensity")Task 4[sHa,idx] = min(s)
lambdaHa = lambda(idx)
Task 5
hold on
loglog(lambdaHa,sHa,"rs","MarkerSize",8)
hold offTask 6z = lambdaHa/656.28 - 1
speed = z*299792.458

Task 1
[sHa,idx] = min(spectra);
lambdaHa = lambda(idx);
z = lambdaHa/656.28 - 1;
speed = z*299792.458Tasks 2 - 4
for c = 1:7s = spectra(:,c);if speed(c) <= 0loglog(lambda,s,"--")elseloglog(lambda,s,"LineWidth",3) endhold on
end
hold off
Task 5
legend(starnames)Task 6movaway = starnames(speed > 0)

8 loglog

loglog(x,y)
x 轴和y 轴均为对数刻度（Logarithmic Scale）

semilogx(x,y) semilogx(x,y)
x 轴为对数刻度，y 轴为线性刻度

semilogy(x,y) semilogy(x,y)
x 轴为线性刻度，y 轴为对数刻度
双对数坐标图可以放大细微的变化

9 摘要

基本语法
示例  说明
x = pi 使用等号 (=) 创建变量。
左侧 (x) 是变量的名称，其值为右侧 (pi) 的值。
y = sin(-5)    您可以使用括号提供函数的输入。桌面管理
函数  示例  说明
save    save data.mat   将当前工作区保存到 MAT 文件中。
load    load data.mat   将 MAT 文件中的变量加载到工作区。
clear   clear   清除工作区中的所有变量。
clc clc 清除命令行窗口中的所有文本。
format  format long 更改数值输出的显示方式。数组类型
示例  说明
4   标量
[3 5]   行向量
[1;3]   列向量
[3 4 5;6 7 8]   矩阵等间距向量
示例  说明
1:4 使用冒号 (:) 运算符，创建一个从 1 到 4，间距为 1 的向量。
1:0.5:4 创建一个从 1 到 4，间距为 0.5 的向量。
linspace(1,10,5)    创建一个包含 5 个元素的向量。这些值从 1 到 10 均匀间隔。创建矩阵
示例  说明
rand(2) 创建一个 2 行 2 列的方阵。
zeros(2,3)  创建一个 2 行 3 列的矩形矩阵。索引
示例  说明
A(end,2)    访问最后一行的第二列中的元素。
A(2,:)  访问第二行所有元素。
A(1:3,:)    访问前三行的所有列。
A(2) = 11  将数组中第二个元素的值更改为 11。数组运算
示例  说明
[1 1; 1 1]*[2 2;2 2]
ans =4    44    4  执行矩阵乘法。
[1 1; 1 1].*[2 2;2 2]
ans =2    22    2  执行按元素乘法。多个输出
示例  说明
[xrow,xcol] = size(x)  将 x 中的行数和列数保存为两个不同变量。
[xMax,idx] = max(x)    计算 x 的最大值及其对应的索引值。文档
示例  说明
doc randi   打开 randi 函数的文档页。绘图
示例  说明
plot(x,y,"ro-","LineWidth",5)   绘制一条红色 (r) 虚线 (--)
并使用圆圈 (o) 标记，线宽很大。
hold on 在现有绘图中新增一行。
hold off    为下一个绘图线条创建一个新坐标区。
title("My Title") 为绘图添加标签。使用表
示例  说明
data.HeightYards    从表 data 中提取变量 HeightYards。
data.HeightMeters = data.HeightYards*0.9144    从现有数据中派生一个表变量。逻辑运算
示例  说明
[5 10 15] > 12   将向量与值 12 进行比较。
v1(v1 > 6)   提取 v1 中大于 6 的所有元素。
x(x==999) = 1    用值 1 替换 x 中等于 999 的所有值。编程
示例  说明
if x > 0.5y = 3
elsey = 4
end 如果 x 大于 0.5，则将 y 的值设置为 3。否则，将 y 的值设置为 4。
for c = 1:3disp(c)
end 循环计数器 (c) 遍历
值 1:3（1、2 和 3）。循环体显示 c 的每个值。

机器学习（MACHINE LEARNING）MathWorks系列教程相关推荐

Re:从零开始的机器学习 - Machine Learning(一) 线性回归
从我对整个职业生涯的规划出发,我不仅想做一些高质量的应用(软件工程的角度),还想做一些激动人心的应用,所以我希望能在机器学习的方向走,尽管我在大学粗浅的学了些皮毛,但如果要把机器学习作为职业发展的话这 ...
机器学习(Machine Learning)深度学习(Deep Learning)资料(Chapter 2)
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2) - tony的专栏 - 博客频道 - CSDN.NET 注:机器学习资料篇目一共 ...
机器学习(Machine Learning)深度学习(Deep Learning)资料汇总
本文来源:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...
机器学习(Machine Learning)深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
机器学习(Machine Learning)深度学习(Deep Learning)资料集合
机器学习(Machine Learning)&深度学习(Deep Learning)资料原文链接:https://github.com/ty4z2008/Qix/blob/master/dl ...
机器学习 Machine Learning 深度学习 Deep Learning 资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
机器学习(Machine Learning)amp;深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
（转）机器学习(Machine Learning)深度学习(Deep Learning)资料
原文链接:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...
数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)的区别是什么？数据科学(data science)和商业分析(business analytics
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)的区别是什么
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...

机器学习（MACHINE LEARNING）MathWorks系列教程

文章目录