Coursera-ML:Week1-Octave/Matlab Tutorial
来源:互联网 发布:matlab for mac 2016 编辑:程序博客网 时间:2024/04/29 18:15
简单的Matlab命令
1.Basic operation
+ - * / == ~= && || xor>> 2^6 %2的6次方>> a = pi>> disp(sprintf('2 decicmals:%0.2f',a) %列出a精确到小数点后2位,ans = 3.14>> disp(sprintf('6 decicmals:%0.6f',a) %列出a精确到小数点后6位,ans = 3.141593>> format long>> a %以long的形式输出a,a = 3.141592653589793>> format short>> a %以short的形式输出a,a = 3.1416>> A = [1 2; 3 4; 5 6];>> sz = size(A) %A的维度,sz= 3 2>> size(sz) %sz的维度, ans= 1 2>> size(A, 1) %sz的第一个元素,ans = 3>> size(A, 2) %sz的第二个元素,ans = 2>> length(A) %返回A的行数列数两个中的最大值,ans = 3>> v = [1 2 3] %v为1行3列(行向量)>> length(v) %返回v的长度, ans = 3>> v = [1;2;3] %v为3行1列(列向量)>> v = 1:6 %输出从1至6的整数>> v = 1:0.1:2 %从1至2间隔0.1输出(11个数)>> ones(2, 3) %2行3列元素全为1>> zeros(3,1) %3*1的列向量 元素全为0>> rand(1,3) %1*3的行向量 元素为0至1间的随机数>> randn(1,3) %产生的是高斯随机分布中的数(均值0,标准差1)>> -6+sqrt(10)*(randn(1,1000)) %随机数 均值-6,标准差为根号10>> hist(w) %将w分为10个区间,统计每个区间内的元素个数,作出频率直方图>> hist(w,50) %使用50个区间作图>> eye(4) %4*4的单位矩阵(对角线元素为1)>> help eye %帮助命令
2.Moving data around
>> pwd %返回当前工作目录>> cd 'F:\WX' %进入目录F:\WX>> ls %列出当前目录下的文件夹>> who %查看工作区所有的变量(只显示名称)>> whos %会显示变量的size、bytes、class、attributes>> clear v %清除变量v>> clear %清除所有变量>> save hello.mat v %将变量v保存在hello.mat中(二进制存储)>> load hello.mat %加载>> save hello.txt v -ascii %将变量v以ascii形式保存在hello.txt>> A = [1 2; 3 4; 5 6]>> A(3,2) %ans = 6>> A(2,:) %":"means every element along that row/column, ans = 3 4>> A(:,2) %第2列的所有元素ans = [2;4;6]>> A([1 3],:) %第1、3行的所有元素, ans = [1 2; 5 6]>> A(:,2)=[10,11,12] %给A的第2列的所有元素赋值>> A = [A,[100;101;102]] %新增一列A = 1 10 100 3 11 101 5 12 102>> A(:) %将A的所有元素组成一个列向量,ans = [1;3;5;10;11;12;100;101;102]>> A = [1 2;3 4;5 6]>> B = [11 12;13 14;15 16]>> C = [A B] >> C = [A,B] %上述两个表达式均是在A后面再加2列C = 1 2 11 12 3 4 13 14 5 6 15 16>> C = [A;B] %";"相当于换行,即A后面再加3行C = 1 2 3 4 5 6 11 12 13 14 15 16
3.Computing on data
>> C = [1 1;2 2]>> A*C %矩阵相乘ans = 5 5 11 11 17 17>> A.*B %矩阵A、B对应元素相乘ans = 11 24 39 56 75 96>> A .^ 2 %矩阵A的各元素进行平方ans = 1 4 9 16 25 36>> A' %A的转置ans = 1 3 5 2 4 6>> temp = pinv(A) %A的逆矩阵temp = 0.1472 -0.1444 0.0639 -0.0611 0.0222 0.1056 -0.0194 0.1889 -0.1028>> temp * Aans = 1.0000 0.0000 -0.0000 -0.0000 1.0000 0.0000 0.0000 -0.0000 1.0000>> v = [1;2;3]>> 1 ./ v %向量v各元素除1>> log(v) %对数>> exp(v) %指数>> abs([-1;-2;-3]) %绝对值>> v + ones(length(v),1)>> v + 1 %上述两个表达式都将v各元素加1>> a = [ 1 15 2 0.5]>> val = max(a) %最大值,val = 15>> [val, ind] = max(a) %最大值和索引,val = 15, ind = 2>> a < 3 %返回a各元素比较的结果,1为true,0为falseans = 1×4 logical 数组 1 0 1 1>> find(a<3) %返回a中小于3的元素的索引,ans = 1 3 4>> A = magic(3) %各行、各列、对角线上的元素之和相等A = 8 1 6 3 5 7 4 9 2>> [r,c] = find(A>=7) %A中大于7的元素所在的行和列, r=[1;3;2] c=[1;2;3]>> sum(a) %求和,ans = 18.5000>> prod(a) %求积,ans = 15>> floor(a) %向下求整,ans = 1 15 2 0>> ceil(a) %向上求整,ans = 1 15 2 1>> rand(3)ans = 0.8044 0.5357 0.9891 0.9861 0.0871 0.0669 0.0300 0.8021 0.9394>> max(rand(3),rand(3)) %生成两个3*3的随机矩阵,并输出对应元素中较大的作为新矩阵ans = 0.1821 0.6164 0.6259 0.6838 0.9397 0.9843 0.7837 0.8990 0.9456>> AA = 8 1 6 3 5 7 4 9 2>> max(A)>> max(A,[],1) %上述两个表达式都是返回A各列中最大的值,ans = 8 9 7>> max(A,[],2) %返回A各行中最大的值,ans = [8;7;9]>> max(max(A)) %返回A的最大元素,ans = 9>> sum(A,1) %各列求和,ans = 15 15 15>> sum(A,2) %各行求和,ans = [15;15;15]>> temp = A .* eye(3)temp = 8 0 0 0 5 0 0 0 2>> sum(sum(temp)) %求A正对角线元素之和,ans = 15>> flipud(eye(3)) %flipud上下翻转ans = 0 0 1 0 1 0 1 0 0>> sum(sum(A.*flipud(eye(3)))) %求A反对角线元素之和,ans = 15
To be continued
0 0
- Coursera-ML:Week1-Octave/Matlab Tutorial
- ML: Octave&Matlab Tutorial
- Octave Tutorial-Vectorization ----Coursera ML笔记
- Octave /Matlab--Control Statements:for,while, if statement----Coursera ML笔记
- 机器学习-Matlab 编程常用命令速览(Ng-ML-class Octave/Matlab Tutorial)
- 机器学习-Matlab 编程常用命令速览(Ng-ML-class Octave/Matlab Tutorial)
- Octave-Plotting Data---Coursera ML笔记
- Coursera Machine Learning 第二周 quiz Octave/Matlab Tutorial 习题答案
- Octave教程 Octave Tutorial
- Octave tutorial
- Coursera ML笔记 --- week1:单变量的线性回归+梯度下降法
- Coursera-Crypto1 Week1
- ML Note : Octave
- COURSERA Machine Learning WEEK1&&WEEK2
- Coursera机器学习 Week1 笔记
- Coursera自然语言处理 Week1 笔记
- coursera deep learning course3 week1
- coursera ML 错题集
- 使用ZooKeeper实现队列
- Canvas之粒子动画
- MyBatis学习总结(五)——实现关联表查询
- 我的2016——小程序员的碎碎念
- matplot 绘制图例和标注
- Coursera-ML:Week1-Octave/Matlab Tutorial
- 安卓复习之旅—自定义view(二)
- Android音频开发之使用OpenSL ES API
- ReactiveCocoa入门教程二
- 关于R与Tableau的集成----异常值检测
- 计算机是如何启动的
- jQuery AJAX实现调用页面后台方法
- Service服务:下载图片
- python中array和list的区别