目录
Octave下载（windows版本）
Octave的基本操作
基本运算
Octave变量
向量和矩阵
help命令
移动数据
数据的读取和存储
矩阵索引
矩阵组合
计算数据
数据绘制
函数图像绘制
矩阵图像绘制
控制语句：for、while、if语句
for语句
while语句
if语句
定义和调用函数
Octave下载（windows版本）
https://www.gnu.org/software/octave/download.html
Octave的基本操作
基本运算
改变默认的Octave提示符： PS1('<<');
Octave变量
；可以阻止打印disp命令表示显示，sprintf命令用于生成字符串
format short默认输出打印少量的小数点后位数；format long默认显示更多的小数点后位数
向量和矩阵
用[]表示一个矩阵，用；来隔离每一行
行向量与列向量的表示：
v = 1:0.1:2 //v是一组值，从1开始，步长为0.1，一直增加到2；默认步长为1
ones(m,n) 生成元素均为1的m行n列矩阵zeros(m,n) 生成元素均为0的m行n列矩阵
rand(m,n) 生成随机的m行n列矩阵，每个元素都介于0到1之间randn(m,n) 生成高斯随机变量（正态分布的随机变量），均值为0，方差为1w = -6 + sqrt(10) * (randn(1,100000)) 生成一个有10000个元素的向量，均值为-6，方差为10hist(w) 将w绘制成一个直方图
eye(n) 生成n阶单位矩阵
help命令
如help eye 显示单位矩阵的帮助函数。键入Q可以退出
移动数据
数据的读取和存储
求矩阵、向量的维度（通常矩阵用size，向量用length）
pwd命令显示Octave当前所在的路径cd命令表示改变路径，load用于加载文件who命令显示当前Octave储存的所有变量whos命令显示更详细的变量信息save命令将数据存入硬盘clear命令清除所有当前储存的变量
矩阵索引
A(m,n) 矩阵A第m行第n列的元素A(m,:) 矩阵第m行的所有元素A(:,n) 矩阵第n列的所有元素A([m,n],:) 矩阵第m、n行的所有元素
矩阵组合
A(:) 将A中所有的元素放入一个单独的列向量
C = [A B] 将A B左右拼组合成新的矩阵CC = [A ; B] 将A B上下拼组合成新的矩阵C
计算数据
A * B 两个矩阵相乘A .* B 两个矩阵元素对应分别相乘A .^ 2 A矩阵每个元素分别平方
log(V) 、exp(V)、abs(V)对矩阵或向量的每个数求对数、以e为底的对数、绝对值
A' 求A的转置pinv(A) 求A的逆矩阵
求向量的最大值或最大值及其索引值 如果是矩阵会返回每列的最大值将向量的每个元素都与某个数比较找出满足某种条件的索引值
magic(n)函数生成n阶矩阵（幻方矩阵）—— 每一行、每一列、每一斜对角线加起来为同一个数[r,c] = find(A > 7) 返回大于7的元素的行和列号max(A,[],1) 返回每一列的最大值 （默认） max(A,[],2)返回每行的最大值 max(max(A))或max(A(:))返回矩阵中的最大值
sum(V) 返回向量中所有元素的和prod(V) 返回向量中所有元素的乘积floor(V)、ceil(V)
sum(A,1) 求每一列的和（默认） sum(A,2) 求每一行的和求两条对角线之和 flipud(A) 将矩阵A进行垂直翻转
数据绘制
函数图像绘制
plot(x,y) 绘制y关于x的图像；hold on函数让Octave在原有的图像上绘制新的图像，其中plot中的‘r’表示线条的颜色；xlable、ylable函数分别为x轴、y轴加上标签，legend('','')标记曲线的内容，title()在图像顶部显示图像标题；print -dpng ‘myPlot.png’ 将图像保存到当前路径close命令关闭当前图像
figure(x)为图像标号；subplot(m,n,x)将图像分为m*n个格子，使用第x个格子;axis([xstart,xend,ystart,yend])设置坐标轴的范围;clf命令清除图像；
矩阵图像绘制
imagesc(A) 用不同颜色来代表不同的值
控制语句：for、while、if语句
for语句
while语句
if语句
定义和调用函数
addpath('C:\uers') 将路径存储到Octave的搜索路径中定义函数：文件名必须与函数名相同，以.m后缀结尾，如在squareAndCube.m文件中定义一个函数，函数可以返回多个返回值。 function [y1,y2] = squareAndCube(x)
y1 = x ^ 2;
y2 = x ^ 3;
代价函数的定义
在costFunctionJ.m文件中定义代价函数：
function J = costFunctionJ(A,y,theta)
% A is the "design matrix" containing our training examples
% y is the class label
m = size(A,1); % number of training examples
predictions = A * theta; %predictions of hypothesis on all m examples
sqrErrors = (predictions - y) .^ 2; %square errors
J = 1 / (2*m) * sum(sqrErrors);
