【数学建模暑期培训】Matlab绘图命令

二维绘图命令

plot

二维绘图的基本命令有plot,loglog,semilogx,semilogy 和polar。它们的使用方法基
本相同,其不同特点是在不同的坐标中绘制图形。
plot 命令使用线性坐标空间绘制图形;
loglog 命令在两个对数坐标空间中绘制图形;
semilogx(或semilogy)命令使用x 轴(或y 轴)为对数刻度,另外一个轴为线性刻度的坐标空间绘制图形。
二维绘图命令plot 为了适应各种绘图需要,提供了用于控制线色、数据点和线型的3
组基本参数。它的使用格式如下: p l o t ( x , y , ’ c o l o r p o i n t l i n e s t y l e ’ ) plot(x,y,’color_point_linestyle’) plot(x,y,colorpointlinestyle)
字符串‘color_point_linestyle’完成对线色、数据点和线型3 个参数的设置,这3 个参数的
控制没有先后次序。线色(r-red,g-green,b-blue,w-white,k-black,y-yellow),数据点 ( . , o , x , + , ∗ , S , H , D , V , , > , < , p ) (.,o,x,+,*,S,H,D,V,^,>,<,p) .ox+SHDV><p与线型 ( − , − . , − − , : ) (-,-.,--,:) .:都可以根据需要适当选择。

subplot

s u b p l o t subplot subplot 命令使得在一个屏幕上可以分开显示n 个不同坐标系,且可分别在每一个坐标
系中绘制曲线。其命令格式如下:
s u b p l o t ( r , c , p ) subplot(r,c,p) subplot(r,c,p)
表示把屏幕分成r 行、c 列个子窗口,即r×c 个子窗口,激活p 号子窗口,窗口的排列次序
是逐行排列的。
s u b p l o t ( r , c , p ) subplot(r,c,p) subplot(r,c,p)使用时可以省略参数中间的两个逗号“,”,例如subplot(131)表示把屏幕分
成3 个子窗口(排成一行),激活1 号子窗口。

三种画图方式

画二维曲线图时,可以使用3 种方式画图:
(1)用描点画图命令plot
(2)用函数画图命令fplot
(3)用“Easy-to-use”函数画图命令ezplot,该命令既可以执行符号函数画图,
也可以执行匿名函数画图。

三维画图

三维画图基本命令

三维曲线命令plot3,三维网格图命令mesh和三维表面图命令surf。

  1. plot3(x,y,z)
    通过描点连线画出曲线,这里x,y,z 都是n 维向量,分别表示该曲线上点集的横坐标、纵坐标、竖坐标。
  2. mesh(x,y,z)
    这里x,y,z 分别表示数据点的横坐标、纵坐标、竖坐标,如果x 和y 是向量,x 是m 维的向量,y 是n 维的向量,则z 是n×m 的矩阵. x,y,z 也可以都是同维数的矩阵. 命令mesh(x,y,z)将该数据点在空间中描出,并连成网格。
  3. surf(x,y,z)
    这里x,y,z 分别表示数据点的横坐标、纵坐标、竖坐标.

已知曲线或曲面的函数关系,提倡使用ezplot3,ezmesh,ezsurf 等命令画图。

在这里插入图片描述
在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
逻辑回归算法是一种用于解决监督学习问题的学习算法,主要用于二分类问题中。它通过使用逻辑回归模型对输入的数据进行分类,并对分类结果进行概率估计。逻辑回归的目标是最小化训练数据的标签值与预测值之间的误差。与线性回归不同的是,逻辑回归使用了特殊的函数来将预测值映射到的概率范围内。 逻辑回归使用了sigmoid函数来实现这种映射,该函数将任意实数值映射到的范围内。通过在线性回归模型的基础上使用sigmoid函数,逻辑回归可以得到一个函数,将输入数据映射为“y=1”的概率。这个概率可以理解为事件发生的概率。 逻辑回归的参数计算方法是梯度下降法,与线性回归的最小二乘法不同。梯度下降法是一种优化算法,通过迭代更新参数,使得模型的预测结果与真实标签尽可能接近。 总结来说,逻辑回归是一种用于解决二分类问题的学习算法,通过使用逻辑回归模型和sigmoid函数,对输入数据进行分类并进行概率估计。逻辑回归使用梯度下降法来计算参数,以最小化预测值与真实标签之间的误差。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [数学建模——Logistic Regression逻辑回归算法(二分类及多分类的Python代码实现)](https://blog.csdn.net/qq_36384657/article/details/107895666)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *3* [数学建模暑期集训11:逻辑回归(Logistic Regression)处理二分类问题](https://blog.csdn.net/qq1198768105/article/details/118946281)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Lydia.na

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值