matlab个人笔记.docx

基础1,matlab的数据文件是mat后缀，脚本是m后缀。有执行路径的概念，需要把脚本文件放在path中才会执行。2，数据可以导入，执行时有workspace的概念，相当于一个临时内存。在workspace中的数据变量都可以直接使用。3，toolbox很强大，help也很强大，软件中包含了有很多使用例子，也有很细致的文档，通过示例的学习，几乎可以掌握该类型的应用，比如线性回归。help可以直接搜索，还可以设置书签，但是不能复制代码，很郁闷。4，matlab的帮助文档做的很好，先用帮助文档语法1，hold on是画图2，矩阵中“;”表示换行，例如：a=[1,2,3;4,5,6;7,8,9]，可以用a(2,3)取第二行散列的数“：”表示所有行，例如a(2,:)=1，表示第二行所有列都是1.矩阵的每个数据操作用“.”表示。例如c=a.*2表示c是a中所有数据乘以2，同样数组也可以应用。3，hold on表示画图中不换窗口，继续在此窗口中画图，hold off表示放开。4，屏幕控制语句figure(n);close(n);close all;hold;clf;subplot(n,m,p);refresh.5，matlab中画图主要是给x轴先排好序，可以用sort函数。例如画y=x*x;x=randn(100,1);y=x.*x;plot(sort(x),y);6，矩阵中“：”的使用，表示所有列或者所有行。matrix(:,1),表示第一列。7，在matlab里不推荐使用i，j作为循环变量8，数组是可以临时变动的，比如z(10,10)=1会自动扩展你的变量，但是这样会造成速度低下，大数据的时候不推荐使用9，可以用zeros(800,800)来初始化一个全为零的矩阵10，matlab中变量名一定要谨慎命名，否则重复或与关键字冲突会导致错误。11，相关性检验用corr(x)即可。12，画图时的注释，有gtext（’用鼠标选择注释位置’）；和Legend(‘给每条线注释’)最简单的线性回归模型1，Linear Model是一个类，可以用matlab自动生成,fitlm函数生成eg: mdl = fitlm(x,y).其中x是解释变量，可为矩阵表示多维n*p，y是被解释变量，n*1。然后用disp(mdl)显示结果。x=randn(100,5);y=x*[1;0;3;0;-1]+randn(100,1);mdl= fitlm(x,y);Linear regression model: y ~ 1 + x1 + x2 + x3 + x4 + x5(线性方程，其中1代表常数项)Estimated Coefficients: Estimate SE tStat pValue (Intercept) -0.09212 0.1097 -0.83971 0.4032（常数项系数） x1 0.95139 0.10748 8.852 5.0674e-14 x2 -0.0019748 0.10307 -0.01916 0.98475 x3 2.9206 0.11526 25.338 8.633e-44 x4 -0.037855 0.11338 -0.33387 0.73922x5 -0.88197 0.11079 -7.961 3.8536e-122，使用regress命令也可以，regress(y,x).kernel 学习fitdist(x,Kernel)可得到kernel的分布，再得到对应的pdf，cdf等所有函数。Logit回归theta = glmfit(x, [y ones(10,1)], binomial, link, logit)theta = -3.4932 2.9402Y=1/(1+exp(3.4932－2.9402*x));得到贝塔系数之后还需要变化一次才能得到对应的概率P值。公式为用glmfit和glmval进行多变量的logistic Regression% 数据的1-9列是某一项试验测试的9项指标，可以假设为测试一个人的9项身体指标，% 第10列为人是否呈现某一病症的结论，例如0表示得病，1表示不得病。load data.txtx=data(:,1:9);y=data(:,10);b =glmfit(x,y,binomial,