Nighthawk's nest
0%

MATLAB lab2

发表于 更新于 分类于

Creating a Cell Array

元胞数组是 MATLAB 中特有的一种数据类型，是数组的一种，其内部元素可以是属于不同的数据类型，概念理解上，可以认为它和c语言里面的结构体、c++里面的对象很类似

create：

mycellarray = {'one', 'two', 'three'}

index :

mycellarray{n} 获取第n个，从1开始数

可以包含不同的数据类型

mycellarray = {'one', 'two', 'three', 5, [1 2 3]}

Create table

1
2
3
4
5
6
7
Team = {'Chelsea', 'Man City', 'Liverpool', 'West Ham', 'Man United'}';
Played = [11 11 10 10 11]';
Won = [8 7 6 6 5]';
Drawn = [2 2 4 2 2]';
Lost = [1 2 0 2 4]';
For = [27 22 29 20 19]';
mytable = table(Team, Played, Won, Drawn, Lost, For)

添加一行

1
2
Against = [2 3 4 6 7]';
mytable.Against = Against;

使用 for - against produce 新列 GD

mytable.GD = mytable.For-mytable.Against

Create the variable ‘Points’ and add it to your table. The points for each team are calculated as:
Points = Won*3 + Drawn.

If you didn’t know that a win was worth 3 points and a draw was worth 1 point, how could you have
worked this out using AX =Y?
Hint: you need a pseudo inverse.

A 是未知数，X 是 x1 x2，Y 是得分

Histogram:

当 input 是一个的时候，会根据这个 input 的值的不同 output 简单的 histogram。

histogram(titanic.Survived)

直接这样输入数组，就可以 output 关于这个 single vector 的 histogram

然后鼠标悬停就会 show exact values

histogram2(titanic.Fare, titanic.Pclass)，三维的 histogram

Regression Using the MATLAB App

使用内置的 App 来训练，首先打开这个

然后将数据集合成 table，输入 workspace 的 table，选择需要 predict 的参数

因为要 response resistace，所以 predictor 就是剩下的两个，然后选择 linear 模型

点击旁边的training

可以在左边看到误差，RMSE 是啥来着

然后就可以对比 predict 和实际的差

这次是要导入 carbig，要安装插件才行，然后创建 table

carstate = table(Acceleration,Cylinders,Horsepower, Displacement, MPG, Weight);

这次是 predict MPG，为了找到最合适的可以选择我全都要 （不是

然后 matlab 会标注出误差最小的

Classification

也在 regression 的旁边选择 classification

看 cunfusion matrix 可以得到

这里要导入一个 vector 里小于 20 的数字

lowmpg = mpg<20，会 produce 一个由 1 和 0 组成的 vector

然后将这个加入 table，这个 table 是 newcarstate

newcarstats = addvars(newcarstats, lowmpg);

这个就是在最后加入

因为

lustering - Finding Patterns in Data

ref:

https://baike.baidu.com/item/%E5%85%83%E8%83%9E%E6%95%B0%E7%BB%84/212876