octave

1、如果不想用actave:1>，可以使用SP1（'>> '）可以改变红色输出以>>表示 2、利用Octave绘制直方图： octave:1> w = -6 + sqrt(10)*(randn(1, 100000)); octave:2> hist(w) octave:3> hist(w ,50) % 绘制条数为50的直方图3、flipud表示矩阵垂直翻转4、设置坐标轴范围 5、添加路径 　　 addpath（''）搜索函数时即便不在当前目录，添加其他路径后，会搜索其路径。 6、可视化矩阵命令imagesc(),在用colorbar显示不同颜色的梯度，colormap gray显示灰度图。 来源： https://www.cnblogs.com/gkh-whu/p/10549346.html

四、多变量线性回归(Linear Regression with Multiple Variables) 4.1 多维特征 4.2 多变量梯度下降 4.3 梯度下降法实践1-特征缩放 4.4 梯度下降法实践2-学习率 4.5 特征和多项式回归 4.6 正规方程 4.7 正规方程及不可逆性（可选） 五、Octave教程(Octave Tutorial) 5.1 基本操作 5.2 移动数据 5.3 计算数据 5.4 绘图数据 5.5 控制语句：for，while，if语句 5.6 向量化 5.7 工作和提交的编程练习 第2周 四、多变量线性回归(Linear Regression with Multiple Variables) 4.1 多维特征 参考视频: 4 - 1 - Multiple Features (8 min).mkv 目前为止，我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为 \(\left( {x_{1}},{x_{1}},...,{x_{n}} \right)\) 。 增添更多特征后，我们引入一系列新的注释： \(n\) 代表特征的数量 \({x^{\left( i \right)}}\) 代表第 \(i\) 个训练实例，是特征矩阵中的第i行，是一个向量（vector）。 比方说，上图的