机器学习06_吴恩达版学习笔记

1. Octave基本操作

使用初衷：Octave语言高效易用，可在基于Octave语言上实现机器学习算法后，再花时间使用Java，C++实现。

机器学习常用Octave（开源），MATLAB，Python，NumPy和R

Help eye： 现实单位矩阵的帮助函数

Eye(4):  4x4阶的单位矩阵

Randn（1，3）：1行3列的高斯分布（正态分布）

Ones（2，3）：生成2行3列的元素都为1的矩阵

Zeros（1，3）：生成1行3列的元素都为0的矩阵

Rand（3，3）：生成3x3的矩阵

A=[1 2; 2 4; 3 6] :  生成矩阵 ；用来换行

2.移动数据

Size (A)： 返回矩阵A的大小；

Length(v)：返回向量V的最大维度

通常对向量使用length命令，而非矩阵；

Load xxx.dat ：加载文件

Who：显示所有变量

Whos：显示更详细的变量内容

Clear X ：清除X变量

V=priceY（1：10）：将向量priceY的前10个值赋予V

Save helo.mat v  ：将v的值存入helo.mat文件

Save helo.txt v -ascii  ：将v的值存入helo.txt文件,方便查看

A为一个3行2列的矩阵，A（3，2）代表第三行第2个元素

A（2，：）代表A的第二行的所有元素

A（：，2）：代表A的第二列所有元素

A ([1 3], :) : 代表A中第一行和第三行的所有数据

A=[A,[100:101:102]]: 在A的右边附加一列新的列向量

A(:) ：将A的所有元素放入一个单独的向量

C=[A B] : 将矩阵B追加在A的右侧

C=[A:B] : 将矩阵B追加在A的下侧

3.计算数据

A*B : 矩阵A和B相乘

A.*B: 将A的每一个元素与B所对应的每一个元素进行相乘

A.^ 2: 将A进行平方

1./A：得到A中所有元素的倒数

Log（A）：对数运算

Exp（V）: 以e为底，以V中数据为指数的幂运算

Abs（v）: 求绝对值

A‘ ：求矩阵A的转置

Max（A）：A中最大的值

A<3: 拿矩阵A中的每一个元素与3进行比较，true返回1，false返回0

Find（A<3）：找出A中所有小于3的数

Magic（3）：幻方，返回3x3的矩阵，任意行列相加值相等

Sum（a）: 得到a中所有元素的和

Sum（a,1）:得到每一列的总和

Sum（a,2）:得到每一行的总和

Prod（a）：求乘积

Floor（a）：向下取整

Ceil（a）：向上取整

Max（A（：））：将A变为向量，再求最大值

Flipud（eye（9））：翻转矩阵

Pinv（A）：求逆矩阵

4.数据绘制

T=[0:0.01:0.98];

Y1=sin(2*pi*4*t);

绘制：Plot(t,y1);

t=[0:0.01:0.98];

>> y1=sin(2*pi*4*t);

plot(t,y1);

y2=cos(2*pi*4*t);

plot(t,y2);

plot(t,y1);

hold on;

plot(t,y2);

plot(t,y2.'r');

xlabel('time')

ylabel('value')

legend('sin','cos')

title('my plot')

print -dpng 'myplot.png'

--分割为2个区域，显示2个图表

subplot(1,2,1);

plot(t,y1);

subplot(1,2,2);

plot(t,y2);

A=magic（5）

Imagesc（A）

Imagesc（A）,colorbar, colormap gray;