机器学习第一篇

机器学习的编程作业——optional exercise: visualizing the data

题目

建立学习模型来预测学生是否能被录取。训练集中给出了100位学生的第一次考试成绩、第二次考试成绩和是否被录取（100X3矩阵），目前需要绘制训练集数据对应的散点图。

我的代码

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

function plotData(X, y) figure; hold on; re = [X,y]; re1 = zeros(100,3); re2 = zeros(100,3); for i = 1:length(y)     if re(i,3) == 1         re1(i,:) = re(i,:);     else         re2(i,:) = re(i,:);     end end all(re1,2) re1(all(re1==0,2),:)=[]; re2(all(re2==0,2),:)=[]; scatter(re1(:,1),re1(:,2),'k+','linewidth',2) scatter(re2(:,1),re2(:,2),'ko','MarkerFaceColor','y') hold off; end

这段代码中比较值得注意的就是剔除掉矩阵中全零行。

先介绍两个函数：

1. all函数：检测矩阵中是否全为非零元素，如果是则返回1，否则返回0。
2. any函数：检测矩阵中是否有非零元素，如果是则返回1，否则返回0。

?

1 2 3

all(A) all(A,1)%与all(A)是等价的，返回的是一个行向量。代表每一列是否全零。 all(A,2)%返回的是一个列向量，代表每一行是否是全零

剔除全零行则只需要将返回列向量中值为0的行设置为空向量即可。

?

1	A(all(A==0,2),:)=[];

我自己写的这个代码不得不说真的很丑。

参考答案上的代码

?

1 2 3

pos = find(y==1); neg = find(y==0); plot(X(pos,1),X(pos,2),'k+','LineWidth',2,'MarkerSize',7); plot(X(neg,1),X(neg,2),'ko','MarkerFaceColor','y','MarkerSize',7);

关于find函数

?

1 2 3 4 5

k = find(X)%返回一个包含X中每个非零元素的线性索引的向量。如果X是向量，则返回方向与X相同的向量。如果X为多维函数则返回由结果的线性索引组成的列向量。 k = find(~X)%返回的就是X中零元素的线性索引了。 k = find(X,n,'first')%返回X中前n个非零元素的线性索引,一般情况可以默认不写'first' k = find(X,n,'last')%返回X中后n个非零元素的线性索引 k = find(X<10)%按条件查找，返回满足条件元素的索引值