机器学习 -- Octave基本操作

场景

Octave语言是一种高级数值计算和数据可视化的开源软件。它提供了一种方便的方式来执行数值计算、数据分析和可视化，特别是在科学和工程领域中。今天学习了一下Octave的基本操作，记录一下。

下载

去Octave官网下载即可。octave下载可自行下载。

基本操作

基本运算

Octave的基本运算十分方便，只需输入 类似 1 + 1即可。

非常简单，如果使用java / python / c# 还是要写个一两行代码的、

矩阵&向量操作

在机器学习中，矩阵&向量承担着非常重要的角色，在python中，我们经常会使用numpy 库做这些操作，python中的基本操作应该是这样的：

import numpy as np

# 创建向量
vector = np.array([1, 2, 3, 4, 5])
print("向量:")
print(vector)

# 创建矩阵
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("\n矩阵:")
print(matrix)

# 创建特殊矩阵
# 单位矩阵
identity_matrix = np.eye(3)
print("\n单位矩阵:")
print(identity_matrix)

# 全零矩阵
zero_matrix = np.zeros((2, 3))
print("\n全零矩阵:")
print(zero_matrix)

# 全一矩阵
ones_matrix = np.ones((3, 2))
print("\n全一矩阵:")
print(ones_matrix)

# 创建随机矩阵
random_matrix = np.random.rand(2, 2)
print("\n随机矩阵:")
print(random_matrix)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

在octave中，生成一个矩阵
A=[1 2;3 4;5 6]
即可生成一个矩阵

使用;分开就是行，我们可以再试试

这操作非常简单。

生成向量1到6，2到99
试一试

非常简单只需要， n:m 即可生成向量。

之前我们曾经提到过步长的概念，那么我们从1到10 以2为步长我们以Octave的命令应该是：

n:步长:m
这就是在Octave中的提现，是不是非常简单？
再来，我们要结果生成2行3列结果全为1的元素

2行5列的0矩阵

随机

随机且符合正态分布

n阶单位矩阵

生成幻方矩阵（每行每列的和对角线的和相同）

结

这是一些基本操作，后面我会继续学习计算和绘图。