[MATLAB] Matlab hints for Machine Learning by Anderw Ng

算是个人听完课的小结吧。最近也在看Haskell，有些内容可能不知所云。

向量化

Matlab 中循环的效率很低，使用数据尽可能矩阵化。对 m*1 n*1的向量使用循环相当于对于 m*t t*n的矩阵进行运算。用matrep函数可以重复某个矩阵。

bsxfun 可以处理两个大小不同的矩阵。

>> bsxfun(@eq, y, 1:10) % 把y中的tag转换成向量表示

>> bsxfun(@times, A, scaler) % a中每列乘不同的倍数

逻辑矩阵。

运算符和函数对于矩阵的作用

内置数学函数几乎都可以以矩阵为参数，返回对其中的每一个元素作用该函数的矩阵。定义函数的时候使用内置函数和 .* 之类带点的运算符组合可以不破坏这种性质。

（从奇怪的角度来看，这些函数的签名应该是是 Num a => b a -> b a）

累加性质的函数对于矩阵的作用

诸如max, sum, min的累加性质的函数，作用于矩阵的时候需要额外的dim参数（默认为1），当dim = 1的时候对列进行累加，得到一个行向量；dim = 2的时候对行进行折叠，得到一个列向量。要想作用于所有元素，应该把矩阵展开(A(:))。

匿名函数

能传递lambda的函数并不多(比如 -func系列)，而且效率也比较低。但是临时写一点小函数还是很方便。内置的函数也有函数句柄(function_handler)表示(@eq => ==等)。并且lambda表达式自动捕获所有变量（加之以matlab神奇的作用域规则），创建闭包或部分应用十分好用。