博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
吴恩达机器学习 8.5 Octave教程(Octave Tutorial)
阅读量:3932 次
发布时间:2019-05-23

本文共 1393 字,大约阅读时间需要 4 分钟。

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 
 

转载地址:http://altgn.baihongyu.com/

你可能感兴趣的文章
[统计学笔记](二)收集数据
查看>>
[统计学笔记三] 整理和显示数据
查看>>
[统计学笔记九] 方差分析(ANOVA)
查看>>
[机器学习笔记] (一)机器学习基本概念篇(含思维导图)
查看>>
[机器学习笔记] 混淆矩阵(Confusion Matrix)
查看>>
[机器学习笔记] Python 绘制ROC曲线的例子
查看>>
[机器学习笔记] 机器学习中的“过拟合(Overfitting)”和“欠拟合(Underfitting)”
查看>>
[机器学习笔记] 特征(Feature)和特征选择(Feature Selection)
查看>>
[机器学习笔记] Logistic Regression与Linear Regression的区别
查看>>
[Python] Python实现的 Linear Regression 例子(附图)
查看>>
[机器学习笔记] (四)决策树 Decision Tree
查看>>
[机器学习笔记] 分类与预测算法评价指标
查看>>
[机器学习笔记] 常用关联规则算法
查看>>
[机器学习] ModuleNotFoundError: No module named 'pydotplus' 错误的解决方法
查看>>
[机器学习] ModuleNotFoundError: No module named 'prettytable' 错误的解决
查看>>
[机器学习] Python代码来构建一颗决策树(Decision Tree)的案例
查看>>
[机器学习笔记] 常用的分类与预测算法
查看>>
[机器学习笔记] Python数据分析:用户消费行为(持续更新)
查看>>
[机器学习笔记] 用Python进行航空公司客户价值分析笔记
查看>>
[机器学习笔记] (转载学习)完整机器学习项目的工作流程
查看>>