导航栏
- [1. help 用法](#1. help 用法)
- [2. 小练习](#2. 小练习)
- [3. 练习](#3. 练习)
- [4. 练习](#4. 练习)
本篇文章记录了笔者模式识别的第一次实验------熟悉Matlab的基本应用。
1. help 用法
help 方法名即可查看该方法的具体用法。
help size
2. 小练习
(1) 创建一个2*3矩阵a,其第一列元素为1, 2,第二列为3, 4,第三列为5, 6
(2)将矩阵 a 与 a 的转置矩阵相乘,得到的结果赋值给 b
(3)计算矩阵 b 的特征值和特征向量,将特征向量构成的矩阵表示为 v
(4)计算矩阵 b与矩阵 v的对应位置的元素之间的除法。
(5)创建一个 2*3的分块矩阵 d,每一个块的内容均为矩阵 b。
(6)求矩阵 d的维度,包括行数和列数。
(7)将矩阵 a的第二列替换为矩阵 b的第一列。
(8)计算矩阵 a 每一行的元素的均值
3. 练习
对一个矩阵实现 zscore 标准化,即是将矩阵中的每一列元素的值变换为呈标准正太分布
的值。假设在标准化前一个元素的值为 x,则经过 zscore 标准化后,该元素的值为 x − μ σ \frac{x - \mu}{\sigma} σx−μ ,其中μ为元素所在列的均值, σ \sigma σ 是元素所在列的标准差。编写一个脚本文件,实现对下述矩阵 A的 zscore 标准化,其中
A = randn(20, 20) * 2 +1。
(1)要求:使用 for 循环,依次对矩阵每列的元素进行处理
代码:
matlab
A = randn(20, 20) * 2 + 1;
A_z = zeros(size(A));
mu = mean(A);
sigma = std(A);
for j = 1:size(A,2)
A_z(:,j) = (A(:,j) - mu(j)) ./ sigma(j);
end
disp(A_z);
(2)要求:只用一个表达式来实现上述功能 (提示需要用 repmat 函数和矩阵的"./"运算)
matlab
A_z2 = (A - repmat(mu, size(A, 1), 1)) ./ repmat(sigma, size(A, 1), 1);
disp(A_z2);
4. 练习
- 编写一个函数文件,命名为 myfunc.m,输入为任意矩阵,输出为经过 zscore 标准化后的矩阵。在命令行窗口中调用该函数,其中输入设置为 A = randn(20, 20) * 2 +2。
matlab
myfunc.m
function A_z3 = myfunc(A)
if ~ismatrix(A)
error("输入不是矩阵")
end
mu = mean(A);
sigma = std(A);
mu_mat = repmat(mu, size(A, 1), 1);
sigma_mat = repmat(sigma, size(A, 1), 1);
A_z3 = (A - mu_mat) ./ sigma_mat;
end
% 主函数
A = randn(20,20) * 2 + 2;
A_z3 = myfunc(A);
disp(A_z3);
以上便是本篇文章所有内容,当若大佬发现问题请直接评论区斧正,感谢🌞