RcppArmadillo简明手册

最新推荐文章于 2024-04-09 22:49:36 发布

置顶 EmissaryDX

最新推荐文章于 2024-04-09 22:49:36 发布

阅读量1.1w

点赞数 7

分类专栏： r语言文章标签： RcppArmadi 科学计算 R Rcpp C++

本文链接：https://blog.csdn.net/iamsuperman2/article/details/73143393

版权

r语言专栏收录该内容

3 篇文章

订阅专栏

RcppArmadillo几乎和C++中的Armadillo一样，因此本文主要参考Armadillo主页上的手册。

http://arma.sourceforge.net/docs.html

1. 常用数据类型

Mat<type>为模板类，其中type可以是：float, double, std::complex, std::complex, short, int, long, and unsigned versions of short, int, long等。为方便起见，Armadillo C++已经预定义了以下类型。
在Armadillo中，矩阵是按照一列一列(column by column)存在内存中的(column-major ordering)。

Data Type	Mathematics	Details
mat, cx_mat	Matrix 矩阵	Dense real/complex matrix class
vec, cx_vec	Column Vector 列向量	Dense real/complex column vector class
rowvec, cx_rowvec	Row Vector 行向量	Dense real/complex row vector class
cube, cx_cube	Cube 3维矩阵	Dense real/complex cube class (“3D matrix”)
field	域	Class for storing arbitrary objects in matrix-like or cube-like layouts
sp_mat, sp_cx_mat	Matrix 矩阵	Sparse real/complex matrix class
umat/imat	Matrix 矩阵	Matrix with unsigned/integer elements
uvec/ivec	Vector 矩阵	Vector with unsigned/integer elements

2. 数学运算

算子Operator	描述
+	Addition of two objects
-	Subtraction of one object from another or negation of an object
/	Element-wise division of an object by another object or a scalar
*	Matrix multiplication of two objects; not applicable to the Cube class unless multiplying a cube by a scalar
%	Schur product: element-wise multiplication of two objects
==	Element-wise equality evaluation of two objects; generates a matrix of type umat with entries that indicate whether at a given position the two elements from the two objects are equal (1) or not equal (0)
!=	Element-wise non-equality evaluation of two objects
<=	As for ==, but the check is for “greater than or equal to”
>=	As for ==, but the check is for “less than or equal to”
<	As for ==, but the check is for “greater than”
>	As for ==, but the check is for “less than”

3. 向量、矩阵和域的创建

基本创建

//Matrix: X
mat X(n_rows, n_cols); 
mat X(n_rows, n_cols, fill_type); 
mat X(size(Y)); 
mat X(size(Y), fill_type);
mat X("1 0;2 0"); \\create a matrix from a string. (first row is "1 0", second row is "2 0")
cx_mat X(mat,mat);   \\for constructing a complex matrix out of two real matrices

//Vector: X
vec X(n_elem);
vec X(n_elem, fill_type);
vec X(size(Y)); 
vec X(size(Y), fill_type); 
cx_vec X(vec,vec);   \\for constructing a complex vector out of two real vectors

//Cube or 3-D matrix: X
cube X(n_rows, n_cols, n_slices); 
cube X(n_rows, n_cols, n_slices, fill_type); 
cube X(size(Y));
cube X(size(Y), fill_type); 
cx_cube X(cube, cube);   \\for constructing a complex cube out of two real cubes

//Field: F
field<object_type> F(n_elem) 
field<object_type> F(n_rows, n_cols) 
field<object_type> F(n_rows, n_cols, n_slices) 
field<object_type> F(size(X)) 
//似乎object_type只能是mat或者cube,且不能存储复数类型，比如cx_mat.

//An example of field
mat A(3,4,fill::randu);
vec B(5,fill::randn);
field <mat> F(2,1);
F(0)=A;
F(1)=B;

其中fill_type是可选的，可以是以下选择

fill_type	描述
fill::zeros	set all elements to 0
fill::ones	set all elements to 1
fill::eye	set the elements along the main diagonal to 1 and off-diagonal elements to 0
fill::randu	set each element to a random value from a uniform distribution in the [0,1] interval
fill::randn	set each element to a random value from a normal/Gaussian distribution with zero mean and unit variance

用函数创建

函数	语法
`eye()`	`matrix_type X = eye<matrix_type>(n_rows,n_cols)`
	`matrix_type Y = eye<matrix_type>(size(X))`
`linspace()`	`vector_type v = linspace<vector_type>(start,end,N)`
`logspace()`	`vector_type v = logspace<vector_type>(A, B, N)`
`regspace()`	`vector_type v = regspace<vector_type>(start, delta, end)`
`ones()`	`vector_type v = ones<vector_type>(n_elem)`
	`matrix_type X = ones<matrix_type>(n_rows,n_cols)`
	`cube_type Q = ones<cube_type>(n_rows,n_cols,n_slices)`
	`some_type R = ones<some_type>(size(Q))`
`randi()`	`vector_type v = rand_type<vector_type>( n_elem, distr_param(a,b))`
or `randu()`	`matrix_type X = rand_type<matrix_type>( n_rows, n_cols, distr_param(a,b))`
or `randn()`	`matrix_type Y = rand_type<matrix_type>(size(X),distr_param(a,b))`
or `randg()`	`cube_type Q = rand_type<cube_type>( n_rows, n_cols, n_slices, distr_param(a,b))`

注释：

rand_type可以是randi()、randu()、randn()和randg()，分别代表 $[a,b]$ 区间中的整数随机值， $U[0,1]$ 分布中的随机浮点值，从标准正态分布中抽取的随机值，从参数为a,b的Gamma分布中抽取的随机值。distr_param(a,b) 只适用于randi()和randg()。
e.g.

vec v=randu<vec>(5);

regspace()中delta默认是1或-1。

4. 初始化，元素访问，属性和成员函数

4.1. 元素初始化 Element initialization

// C++11
vec v = { 1, 2, 3 };
mat A = { {1, 3, 5},
          {2, 4, 6} };

4.2. 元素访问 Element access

无论是向量vec，矩阵mat，立方体cube，还是域field，每个维数均是从0开始的。

元素访问	描述
`(n)`	对于`vec`和`rowvec`，访问第n个元素。对于`mat`和`field`，首先把矩阵的下一列接到上一列之下，从而构成一个长列向量，并访问第n个元素。
`(i,j)`	对于`mat`和二维`field`，访问第`(i,j)`个元素。
`(i,j,k)`	对于`cube`和`3D field`，访问第`(i,j,k)`个元素

4.3. 子矩阵访问 Submatrix view

矩阵X的连续子集访问

函数	描述
`X.diag(k)`	访问矩阵X的第k个对角线（k是可选的，主对角线为k=0，上对角线为k>0，下对角线为k<0）
`X.row(i)`	访问矩阵X的第i行
`X.col(i)`	访问矩阵X的第i列
`X.rows(a,b)`	访问矩阵X从第a行到第b行的子矩阵
`X.cols(c,d)`	访问举证X从第c列到第d列的子矩阵
`X.submat(a,c,b,d)`	访问矩阵从第a行到第b行和第c列到第d列的子矩阵
`X.submat(span(a,b),span(c,d))`	访问矩阵从第a行到第b行和第c列到第d列的子矩阵
`X(a,c, size(n_rows, n_cols))`	访问矩阵从第a行和第c列开始大小为n_rows和n_cols大小的子矩阵
`X(a,c, size(Y))`	访问矩阵从a行和第c列开始大小和Y相当的子矩阵
`X(span(a, b), sel_col)`	访问第sel_col列，从第a行到第b行之间的数据。返回值为向量。
`X(sel_row, span(c,d))`	访问第sel_row行，从第c列到第d列之间的数据。返回值为向量。
`X.head_cols( number_of_cols)`	返回头几列
`X.head_rows( number_of_rows)`	返回头几行
`X.tail_cols( number_of_cols)`	返回尾几列
`X.tail_rows( number_of_rows)`	返回尾几行

注释:
(1) span(start,end)可以被span::all代替，意味着这一维上所有的元素。
(2) X.diag(k)可以改变第k个对角线的值。

mat X=randn<mat>(4,4);
vec v={1,2,3,4};
X.diag()=v;

向量V的连续子集访问

函数	描述
`V(span(a,b))`	访问向量V从第a个元素开始到第b个元素结束的子向量
`V.subvec(a,b)`	访问向量V从第a个元素开始到第b个元素结束的子向量
`V.subvec(a,size(W))`	访问向量V从第a个元素开始，长度和W相当的子向量
`V.head(n_ele)`	访问向量V头几个元素
`V.tail(n_ele)`	访问向量V尾几个元素

向量或矩阵X的间断子集访问

函数	描述
`X.elem(vector_of_indices)`	向量或者矩阵（按照列向量化以后）中坐标为`vector_of_indices`的元素；返回向量
`X(vector_of_indices)`	向量或者矩阵（按照列向量化以后）中坐标为`vector_of_indices`的元素；返回向量
`X.cols(vector_of_column_indices)`	矩阵X列坐标为`vector_of_column_indices`的子矩阵；返回矩阵
`X.rows(vector_of_row_indices)`	矩阵X行坐标为`vector_of_row_indices`的子矩阵；返回矩阵
`X.submat(vector_of_row_indices, vector_of_column_indices)`	矩阵X行坐标为`vector_of_row_indices`和列坐标为`vector_of_column_indices`的子矩阵；返回矩阵
`X(vector_of_row_indices, vector_of_column_indices)`	矩阵X行坐标为`vector_of_row_indices`和列坐标为`vector_of_column_indices`的子矩阵；返回矩阵

立方体（三维矩阵）Q 的切片 slice

函数
`Q.slice(slice_number)`
`Q.slices(first_slice, last_slice)`
`Q.subcube(first_row,first_col,first_slice,last_row,last_col,last_slice)`
`Q(span(first_row,last_row),span(first_col,last_col),span(first_slice,last_slice))`
`Q(first_row,first_col,first_slice,size(n_rows,n_cols,n_slices))`
`Q(first_row,first_col,first_slice,size(R))` (R is a cube)
`Q.elem(vector_of_indices)` (间断的切片)
`Q(vector_of_indices)` (间断的切片)

域F的子集访问

二维域 2-D Field
`F.row( row_number )`
`F.col( col_number )`
`F.rows( first_row, last_row )`
`F.cols( first_col, last_col )`
`F.subfield(first_row, first_col, last_row, last_col)`
`F(span(first_row, last_row), span(first_col, last_col))`

三维域 3-D Field
`F.slice( slice_number )`
`F.slices( first_slice, last_slice )`
`F.subfield(first_row, first_col, first_slice, last_row, last_col, last_slice)`
`F(span(first_row,last_row),span(first_col,last_col),span(first_slice,last_slice))`

4.4. 属性 Attribute

属性	描述
`.n_rows`	行数; 适用于Mat, Col, Row, Cube, field and SpMat
`.n_cols`	列数；适用于Mat, Col, Row, Cube, field and SpMat
`.n_elem`	所有元素个数；适用于Mat, Col, Row, Cube, field and SpMat
`.n_slices`	立方体Cube第三维的维数
`.n_nonzero`	非零元素个数；适用于SpMat

注释:

返回值是无符号整数(uword)
返回值是read-only的；如果要改变大小（维数），用成员函数.set_size(), .copy_size(), .zeros(), .ones(), 或者.reset()。
- .set_size()
```
.set_size( n_elem )
.set_size( n_rows, n_cols )
.set_size( n_rows, n_cols, n_slices )
.set_size( size(X) )
```
- .copy_size(A)
  把维数设置成和A一样。
- .zeros()
```
.zeros( n_elem )
.zeros( n_rows, n_cols )
.zeros( n_rows, n_cols, n_slices )  
.zeros( size(X) )   
```
- .ones()
  参见.zeros()。
- .reset()
  把维数设置成0，意味着无元素。

4.5. 其他成员函数 Other member function

函数	描述
`.eye(n,n)` / `.eye(size(X))`	创建 $n\times n$ 单位矩阵；适用于Mat和SpMat
`.randu(n_elem)`	把向量的值设置成从均匀分布中抽取的随机值
`.randu(n_rows,n_cols)`	把矩阵的值设置成从均匀分布中抽取的随机值
`.randu(n_rows,n_cols,n_slices)`	把立方体的值设置成从均匀分布中抽取的随机值
`.randn()`	与`.randu()`相同,只不过从正态分布中抽取随机数
`.fill(value)`	将Mat, Col, Row, Cube元素设置为value
`.replace(old_value, new_value)`	可用于替换缺失值：`A.replace(datum::nan, 0)`; 适用于Mat, Col, Row, Cube
`.transform(lambda_function)` (C++11 Only)	利用lambda函数改变每一个元素的值；适用于Mat, Col, Row和Cube；对于矩阵，按照column-by-column来进行变换；对于立方体，按照slice-by-slice进行变换，每一个slice是一个矩阵。e.g.见此表后注释。
`.reshape(n_rows, n_cols)`	适用于矩阵；按照给定的维数建立新的矩阵，转换时，先将旧矩阵按照列转换为长列向量，然后按照给定维数，一列一列地建立新的矩阵。原始结构会被改变。
`.reshape(n_rows,n_cols,n_slices)`	适用于立方体；与上类似
`.reshape(size(X))`	适用于矩阵和立方体；与上类似
`.resize(n_elem)`	适用于向量;保留原向量结构，增加部分填为0
`.resize(n_rows,n_cols)`	适用于矩阵；保留原矩阵结构，增加部分填为0
`.resize(n_rows,n_cols,n_slices)`	适用于立方体；保留原立方体结构，增加部分填为0
`.resize(size(X))`	适用于向量、矩阵和立方体
`Y.set_imag(X)`	将复数矩阵Y的虚部设置成实数矩阵X
`Y.set_real(X)`	将复数矩阵Y的实部设置成实数矩阵X
`.insert_rows()`	插入行
`.insert_cols()`	插入列
`.insert_slices()`	插入切片
`.shed_row()`/`.shed_rows()`	移除行
`.shed_col()`/`.shed_cols()`	移除列
`.shed_slice()`/`.shed_slices()`	移除切片
`.swap_rows( row1, row2 )`	交换行
`.swap_cols( col1, col2 )`	交换列
`.memptr()`	获取对象的指针；适用于Mat,Col,Row和Cube
`.colptr(col_number)`	获取某一列的指针
iterators	STL-style iterators and associated member functions
`.t()`	转置或者共轭转置，适用于`mat`和`cx_mat`
`.st()`	普通转置（不取共轭），仅仅适用于`cx_mat`
`.i()`	逆矩阵
`.min()`/`.max()`	返回矩阵或立方体的极值；如果是复数，则返回模的极值
`.index_min()`/`.index_max()`	返回矩阵或立方体极值的坐标；返回值为一个无符号整数
`.in_range()`	检查给定的坐标或者范围是合法的
`.is_empty()`	检查是否为空
`.is_square()`	检查是否是方阵
`.is_vec()`	检查一个矩阵是否是向量
`.is_sorted()`	检查对象是否是被排列过的
`.is_finite()`	检查对象是否有限
`.has_inf()`	检查是否含有inf值
`.has_nan()`	检查是否含有NaN
`.print()`	打印此对象
`.save()/.load()`	向或从文件或流写入或读取对象

注释：

.transform(lambda_function)

// C++11 only example
mat A = ones<mat>(4,5);
// add 123 to every element
A.transform( [](double val) { return (val + 123.0); } );

.reshape()和.resize()的区别在于前者不会保存原对象的布局,而后者会保留原对象的布局，且后者更快。例如，如果新对象的维数大于原对象的维数，则新对象中原维数外的元素会被设置成0。
e.g.

mat A = randu<mat>(2,3);
A.reshape(4,4);
           [,1]      [,2] [,3] [,4]
[1,] 0.02567623 0.8880936    0    0
[2,] 0.12546129 0.6520889    0    0
[3,] 0.52724939 0.0000000    0    0
[4,] 0.30407942 0.0000000    0    0


mat A = randu<mat>(2,3);
A.resize(4,4);
          [,1]      [,2]      [,3] [,4]
[1,] 0.5451790 0.2632051 0.6375933    0
[2,] 0.3753245 0.8050394 0.1627499    0
[3,] 0.0000000 0.0000000 0.0000000    0
[4,] 0.0000000 0.0000000 0.0000000    0

.memptr()
可被用于和一些库交互，比如FFTW。

      mat A = randu<mat>(5,5);
const mat B = randu<mat>(5,5);
      double* A_mem = A.memptr();
const double* B_mem = B.memptr();

5. 常用函数

5.1. 向量、矩阵和立方体的一般函数

函数	描述
`abs(X)`	求对象元素的绝对值或长度（复数）
`accu(X)`	求对象所有元素的和
`all(X,dim)`	检查向量或者矩阵是否全部元素为非零
`any(X,dim)`	检查向量或者矩阵是否至少有一个元素为非零
`approx_equal(A,B,method,abs_tol,rel_tol)`	检查A和B中的元素是否近似，近似返回True（Bool值）； method可以是absdiff、reldiff和both
`cond(A)`	返回矩阵A的conditional number
`conj(X)`	求矩阵或立方体的元素的共轭
`conv_to<type>::from(X)`	不同Armadillo矩阵类型之间的转换(e.g. `mat`和`imat`)；不同立方体之间的转换(e.g.`cube`和`icube`)；`std::vector`与Armadillo向量或矩阵之间的转换；将`mat`转换为`colvec`, `rowvec` or `std::vector`
`cross(A,B)`	向量叉乘cross product
`cumsum(X,dim)`	累积加法；如果X是向量，则返回所有元素的和；如果X是矩阵，若dim=0，则返回所有列的和，若dim=1，则返回所有行的和
`cumprod(X,dim)`	累积乘法；如果X是向量，则返回所有元素的乘积；如果X是矩阵，若dim=0，则返回所有列的乘积，若dim=1，则返回所有行的乘积
`det(A)`	计算方阵的行列式;对于大矩阵，`log_det()`更加精确
`log_det(val,sign,A)`	Log determinant of square matrix A; the determinant is equal to exp(val)*sign
`diagmat(X,k)`	生成新矩阵，用向量X或者矩阵X的对角线元素作为新矩阵的第k个对角线，其他元素设置为零
`diagvec(A,k)`	取矩阵A的第k个对角线
`dot(A,B)`(`dot`/`cdot`/`norm_dot`)	向量的点乘dot product
`find(condition)`	返回向量或矩阵满足某条件的元素的坐标向量；e.g. `find(A>B)`or `find(A>0)`
`find_finite(X)`	返回非Inf和NaN的元素的坐标向量
`find_nonfinite(X)`	返回是Inf和NaN的元素的坐标向量
`find_unique(X,ascending_indices)`	返回X中独一无二的元素;ascending_indices是可选参数，取true（默认）意味着按照递增排列，取false意味着随机排列
`imag()` / `real()`	取复数矩阵虚数或者实数部分
`inplace_trans(X,method)` / `inplace_strans(X,method)`	in-place transpose, 相当于 $X=X^\intercal$ ,X的值改变了
`is_finite()`	检查是否所有元素都是有限的
`join_rows(A,B)` / `join_horiz(A,B)`	按照水平方向连接两个矩阵
`join_cols(A,B)` / `join_vert(A,B)`	按照垂直方向连接两个矩阵
`join_slices(cube_C,cube_D)`	按照第三维连接两个立方体，两个立方体的第一维和第二维的维数必须相等
`join_slices(mat_M,mat_N)`	连接两个矩阵构成一个立方体，两个矩阵必须维数相同
`join_slices(mat_M,cube_C)`/`join_slices(cube_C,mat_M)`	将一个矩阵加入一个立方体中
`kron(A,B)`	Kronecker tensor product
`min(X,dim)` / `max(X,dim)`	寻找X在某一维上的极值；X可以是向量(则无dim参数)、矩阵或者立方体;dim是可选参数，0表示返回每一列的极值，1表示返回每一行的极值，2表示返回每一个切片的极值
`min(A,B)` / `max(A,B)`	返回值为一个矩阵或者立方体，其每一个元素代表A和B当中同样坐标的两个元素的最小值和最大值
`nonzeros(X)`	返回一个列向量，存储着非零的元素的坐标
`norm(X,p)`	计算向量或矩阵的p-norm;向量：p可以是大于等于1的整数,”-inf”,”inf”,”fro”;矩阵：p可以是1,2,”inf”,”fro”,并且此为matrix norm (not entrywise norm);”-inf”是minimum norm, “inf”是maximum norm, “fro”是Frobenius norm
`normalise(V,p)`/`normalise(X,p,dim)`	标准化向量V或者矩阵X使其有unit p-norm
`rank(X,tolerance)`	计算矩阵的秩；tolerance为可选参数
`rcond(A)`	矩阵A的conditional number的倒数的估计值；如果接近1代表A是well-conditioned;如果接近0代表A是badly-conditioned
`repmat(A,num_copies_per_row,num_copies_per_col)`	把矩阵A按照分块矩阵的形式进行复制并生成新的矩阵
`shuffle(V)`/`shuffle(X,dim)`	重新排列向量元素或者矩阵的列或行
`sort(V,sort_direction)`/`sort(X,sort_direction,dim)`	对向量进行排序，或者对矩阵的列(dim=0)或者行(dim=1)中的元素进行排序(默认是列)；sort_direction可以是ascend（默认）或者descend
`sort_index(X,sort_direction)`	返回X按照某顺序排序后的元素的坐标
`B=sqrtmat(A)`/`sqrtmat(B,A)`	矩阵的Complex square root；B是cx_mat
`sqrtmat_sympd(A)`/`sqrtmat_sympd(B,A)`	对称矩阵的Complex square root
`sum(X,dim)`	向量：返回所有元素的和；矩阵：返回每一列(dim=0)或每一行(dim=1)的和；立方体：返回某一维上(第三维是dim=2)的和
`trace(X)`	计算矩阵的迹即计算主对角线上元素的和
`trans(A)`/`strans(A)`	矩阵转置；如果是复数矩阵，前者进行的是共轭转置，而后者是直接转置
`unique(A)`	返回A的独一无二的元素，并且按照升序排列；如果A是矩阵，则返回一个列向量
`vectorise(X,dim)`	将矩阵向量化；如果dim=0,按照column-wise；如果dim=1,按照row-wise

5.2. 其他一些数学函数

miscellaneous element-wise functions:

函数	描述
`exp(A)`	base-e exponential: $e^x$
`exp2(A)`	base-2 exponential: $2^x$
`exp10(A)`	base-10 exponential: $10^x$
`trunc_exp(A)`	base-e exponential, truncated to avoid infinity (only for float and double elements)
`log(A)`	natural log: $log_ex$
`log2(A)`	base-2 log: $log_2x$
`log10(A)`	base-10 log: $log_{10}x$
`trunc_log(A)`	natural log, truncated to avoid ±infinity (only for float and double elements)
`pow(A, p)`	raise to the power of p: $x^p$
`square(A)`	square: $x^2$
`sqrt(A)`	square root: $\sqrt{x}$
`floor(A)`	largest integral value that is not greater than the input value
`ceil(A)`	smallest integral value that is not less than the input value
`round(A)`	round to nearest integer, with halfway cases rounded away from zero
`trunc(A)`	round to nearest integer, towards zero
`erf(A)`	error function
`erfc(A)`	complementary error function
`lgamma(A)`	natural log of the gamma function
`sign(A)`	signum function

三角函数 Trigonometric element-wise functions (cos, sin, tan, …)

cos, acos, cosh, acosh
sin, asin, sinh, asinh
tan, atan, tanh, atanh
atan2, hypot

5.3. 矩阵的分解、因子化、逆矩阵和线性方程的解

Dense Matrix

函数	描述
chol	Cholesky decomposition
eig_sym	eigen decomposition of dense symmetric/hermitian matrix
eig_gen	eigen decomposition of dense general square matrix
eig_pair	eigen decomposition for pair of general dense square matrices
inv	inverse of general square matrix
inv_sympd	inverse of symmetric positive definite matrix
lu	lower-upper decomposition
null	orthonormal basis of null space
orth	orthonormal basis of range space
pinv	pseudo-inverse
qr	QR decomposition
qr_econ	economical QR decomposition
qz	generalised Schur decomposition
schur	Schur decomposition
solve	solve systems of linear equations
svd	singular value decomposition
svd_econ	economical singular value decomposition
syl	Sylvester equation solver

Sparse Matrix

函数	描述
eigs_sym	limited number of eigenvalues & eigenvectors of sparse symmetric real matrix
eigs_gen	limited number of eigenvalues & eigenvectors of sparse general square matrix
spsolve	solve sparse systems of linear equations
svds	limited number of singular values & singular vectors of sparse matrix

5.4. 信号和图像处理

函数	描述
conv	1D convolution
conv2	2D convolution
fft / ifft	1D fast Fourier transform and its inverse
fft2 / ifft2	2D fast Fourier transform and its inverse
interp1	1D interpolation
polyfit	find polynomial coefficients for data fitting
polyval	evaluate polynomial

5.5. 统计和聚类

函数	描述
`mean(X,dim)`	均值；适用于Vec,Mat,Cube
`median(X,dim)`	中间值；适用于Vec,Mat
`stddev(X,norm_type,dim)`	标准差；norm_type可选参数0或1，0代表除以n-1(无偏估计),1表示除以n；适用于Vec,Mat
`var(X,norm_type,dim)`	方差；适用于Vec,Mat
`range(X,dim)`	极差；适用于Vec,Mat
`cov(X,Y,norm_type)`/`cov(X,norm_type)`	协方差；当两个矩阵X、Y时，矩阵的行表示样本，列表示变量，则cov(X,Y)的第(i,j)-th个元素等于X的第i个变量和Y的第j个变量的协方差; norm_type=0表示除以n-1，norm_type=1表示除以n
`cor(X,Y,norm_type)`/`cor(X,norm_type)`	相关系数；与协方差类似
`hist`/`histc`	直方图
`princomp`	主成分分析
`kmeans(means,data,k,seed_mode,n_iter,print_mode)`	K-means聚类，把数据分成k个不相交的集合
`gmm_diag`	聚类；Gaussian Mixture Model (GMM)