Octave常用操作（一）

最新推荐文章于 2020-06-09 22:03:10 发布

Jnchin

最新推荐文章于 2020-06-09 22:03:10 发布

阅读量2.5k

点赞数 1

分类专栏：机器学习学习笔记文章标签：吴恩达机器学习 Octave 学习笔记

本文链接：https://blog.csdn.net/qq_38237214/article/details/89006912

版权

机器学习学习笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

笔记可能有点多，给自己提个醒，想到功能但想不起函数的时候直接用ctrl+F吧

基础语法

%			注释
1/0			真/假
==			逻辑等于
~=			逻辑不等于
&&			逻辑与 
||			逻辑或
xor(1,0)	逻辑异或

在交互式中

PS1('>>');	修改命令提示符

【注意】键入a=3回车后下面会打印出a=3，如果不想让它打印就在语句后面加分号a=3;

Octave中的变量

>> a=pi;		%pi表示圆周率，是个常量
>> a			%输出打印a变量
a =  3.1416
>>
>> disp(a)		%也可以这样输出
 3.1416
>>
>> disp(sprintf('2 decimals: %0.2f', a))	%sprintf()生成一个字符串，格式的语法和C语言一样
2 decimals: 3.14
>>
>> format long	%让字符串显示更长的位数
>> a
a =  3.14159265358979
>>
>> format short	%让字符串显示较短的位数
>> a
a =  3.1416
>>
>> a^3			%a 的三次方
ans =  31.006
>>

Octave中的矩阵

>> A = [1 2; 3 4; 5 6]	%空格分隔每行的元素，分号换行
A =

   1   2
   3   4
   5   6

>>
>> v = 1:0.1:2			%定义一组数值v，从1到2，步长为0.1
v =

 Columns 1 through 5:

    1.0000    1.1000    1.2000    1.3000    1.4000

 Columns 6 through 10:

    1.5000    1.6000    1.7000    1.8000    1.9000

 Column 11:

    2.0000

>>
>> v = 1:6				%定义一组数值v，从1到6，步长默认为1
v =

   1   2   3   4   5   6

>>
>> ones(2,3)
ans =

   1   1   1
   1   1   1

>>
>> C = 2*ones(2,3)
C =

   2   2   2
   2   2   2

>>
>> w = zeros(1,3)
w =

   0   0   0

>>
>> eye(4)				%生成一个4*4的单位矩阵
ans =

Diagonal Matrix

   1   0   0   0
   0   1   0   0
   0   0   1   0
   0   0   0   1

>>
>> w = rand(1,3)		%定义一个0到1的随机数的1*3矩阵
w =

   0.89323   0.89065   0.59428

>>
>> w = randn(1,3)		%得到3个随机数字，但它们服从正态分布，均值为0，标准差或者方差都为1
w =

   0.27854  -0.12413  -1.07588

>>
>> w = -6 + sqrt(10)*(randn(1,1000));	%设计一个更大的服从正态分布的一组数
>> hist(w,50)	%将这组数用直方图画出来，50表示柱子的条数，可以不写，运行结果如下：
>>

在这里插入图片描述

>> A
A =

   1   2
   3   4
   5   6

>>
>> size(A)			%矩阵A（3行2列）的大小
ans =

   3   2

>>
>> size(A,1)		%矩阵A第一维度的大小，即行数
ans =  3
>>
>> v = [1 2 3 4 5]
v =

   1   2   3   4   5

>> length(v)		%表示矩阵最大维度的大小，为防止误解，我们经常只对向量使用length()函数，即向量中元素的个数
ans =  5
>>

Octave中的help

help eye或者help('eye')命令可以查看eye函数的具体用法，按q退出

Octave中的移动数据

pwd、cd、ls 这些命令和Linux命令功能基本一样，不必多说。

>> clear		%清除内存中所有的变量，而命令 clear a 表示只清除变量a
>> who			%显示Octave当前内存中的所有变量
>> load ex.dat	%加载文件，等价于load('ex.dat')
>> whos			%显示Octave当前内存中的所有变量，不过还显示变量的属性
Variables in the current scope:

   Attr Name        Size                     Bytes  Class
   ==== ====        ====                     =====  =====
        ex          2x4                         64  double

Total is 8 elements using 64 bytes

>> ex			%此时文件ex.dat已经被加载到了变量ex中
ex =

    1    2    3
    4    5    6
    7    8    9
   10   11   12

>>
>> v = ex(2:10)		%将ex的第二个到第十个元素赋值给v，不过是按列排序的。（与python的切片类似）
v =

    4    7   10    2    5    8   11    3    6

>> size(v)			%可以看出v是一个1行9列的行向量
ans =

   1   9

>> b = ex(:)		%将ex的所有元素赋值给b
b =

    1
    4
    7
   10
    2
    5
    8
   11
    3
    6
    9
   12

>> size(b)			%可以看出b是一个12行1列的列向量
ans =

   12    1

>>
>> save hello.mat v			%把变量v的数据存入硬盘，保存为一个名为hell.mat的文件
>> save hello.txt b -ascii	%把变量v的数据存入硬盘，保存为一个名为hell.txt的文件且编码为ascii
>> ls
ex.dat  hello.mat  hello.txt

当再次载入hello.mat文件时，你会发现内存中多了个变量v，它就是原先在保存hello.mat文件时的变量v

Octave中的矩阵索引

>> clear
>> A=[1 2;3 4;5 6]
A =

   1   2
   3   4
   5   6

>> A(3,2)		%矩阵索引，矩阵A的第3行第2列的数值
ans =  6
>> A(2,:)		%矩阵A的第2行的所有数据
ans =

   3   4

>>
>> A([1 3],:)	%矩阵A的第一列和第三列数据
ans =

   1   2
   5   6

>>
>> A = [A,[100; 101; 102]]		%在矩阵A的右边再加一列
A =

     1     2   100
     3     4   101
     5     6   102

>>
>> C = [A B]	%将A、B两个矩阵横着排在一起，等价于C = [A,B]
>> C = [A;B]	%将A、B两个矩阵竖着排在一起

Octave中的数据计算

>> clear
>> A = [1 2;3 4;5 6]
A =

   1   2
   3   4
   5   6

>> B = [1 2 3;4 5 6]
B =

   1   2   3
   4   5   6

>> C = [9 8;7 6;5 4]
C =

   9   8
   7   6
   5   4

>>
>> A*B		%矩阵A叉乘矩阵B
ans =

    9   12   15
   19   26   33
   29   40   51

>> A.*C		%矩阵A点乘矩阵B
ans =

    9   16
   21   24
   25   24

>>
>> A.^2		%对A中每个元素求平方
ans =

    1    4
    9   16
   25   36

>>
>> 1./A		%对A中每个元素求倒数
ans =

   1.00000   0.50000
   0.33333   0.25000
   0.20000   0.16667

>>

可以看出.号代表对元素进行运算

>> log(A)		%对A中每个元素求对数运算
ans =

   0.00000   0.69315
   1.09861   1.38629
   1.60944   1.79176
>>
>> exp(A)		%以e为底对A中每个元素为指数的幂运算
ans =

     2.7183     7.3891
    20.0855    54.5982
   148.4132   403.4288

>>
>> abs(A)		%对A中每个元素求绝对值
ans =

   1   2
   3   4
   5   6

>>
>> -A			%求每个元素的相反数，等价于 -1*v
ans =

  -1  -2
  -3  -4
  -5  -6

>>	
>> A+1			%每个元素都加1，等价于 A+ones(3,2) 或 A+ones([3 2]) 或 A+ones(size(A))
ans =

   2   3
   4   5
   6   7
   
>>
>> A'			%A的转置
ans =

   1   3   5
   2   4   6
    
>>
>> val = max(A)	%求A中每一列中最大的元素
val =

   5   6

>> max(A,[],1)	%求A中每一列中最大的元素，同上
ans =

   5   6

>> max(A,[],2)	%求A中每一行中最大的元素
ans =

   2
   4
   6

>> [val, ind]=max(A)	%val是A中每一列中最大的元素，ind是对应的索引
val =

   5   6

ind =

   3   3

>> max(A,C)		%取A和C中相互对应的较大元素
ans =

   9   8
   7   6
   5   6

>>
>> A < 3		%A中各个元素与3做比较
ans =

   1   1
   0   0
   0   0

>>
>> find(A < 3)	%找到A中所有小于3的元素的索引
ans =

   1
   4

>>
>> D = magic(3)	%生成一个幻方矩阵D，每行、每列、每条对角线的元素之和都相等
D =

   8   1   6
   3   5   7
   4   9   2

>> [hang, lie] = find(D >= 7)	%找到矩阵D中大于等于7的所有元素的行列索引
hang =

   1
   3
   2

lie =

   1
   2
   3

>>
>> a = [1 15 2 0.5]		%定义一个向量a
a =

    1.00000   15.00000    2.00000    0.50000

>> sum(a)	%a中元素之和
ans =  18.500
>> prod(a)	%a中元素之积
ans =  15
>>
>> floor(a)	%向下取整
ans =

    1   15    2    0

>> ceil(a)	%向上取整
ans =

    1   15    2    1

>>
>> A
A =

   1   2
   3   4
   5   6

>> flipud(A)	%上下翻转
ans =

   5   6
   3   4
   1   2

>>
>> pinv(A)		%求A矩阵的逆矩阵，即使A不可逆，所以这里是伪逆
ans =

  -1.33333  -0.33333   0.66667
   1.08333   0.33333  -0.41667

>>

参考课程：《吴恩达机器学习》