matlab培训知识

第一章

1. 除法有两种，左除 \ （代表A* x = B 的解）和右除 /（代表x * A = B 的解）
2. && 和 & 的区别： && 算左边即可，建议做逻辑运算的时候都是用&& 或 ||
3. 计算机会后非常小的计算误差，当我们在写判断语句的时候，若是和零比较，就会出现难以察觉的错误，通常做法是去定义一个非常小的数，然后与这个数字作比较。

第二章

1. 程序设计第一步：流程图 代表你需要执行的步骤
2. 文件名和函数名好保持一致

第四章

1. fig格式的图片，matlab可以读取其数据

toolbox部分

第一部分

线性规划要标准型
蚁群算法的应用：求最优路径。
老师建议 PSO粒子群 求解连续优化问题

第二部分

1. smooth 平滑处理
2. 归一化： 常用正态化
3. 缺失数据处理：
   数据大的话，删除缺失数据
   数据小的话，做插值

一元线性回归

1. 做拟合
2. 模型改进： 利用残差，将异常点去掉，再做回归。（或者我们在最开始就去掉异常点）
   总结：线性回归的时候：

• cost function 先写出来，其中包括X. X对应的θ，所以我们的x个数依旧对应着维度, 我们的x依旧可以扩展到多元，比如x1，x2，x1*x2，以及偏差项
• 用固定的函数形状，自己选的结构，我们能把握未来趋势。

问题

1. 怎么选取特征值？有什么技巧？
   变量相关性 可以通过每个变量与y之间是不是线性相关。
2. 样本小的时候怎么做？
   方法：交叉验证 留1法
   神经网络无法给出置信区间
   高斯过程： 可以给出误差带，sigma
   SVM 高级版核函数

• 找支持向量（关键点）
• 找核函数 做升维 主要是x特征变换为高维
  面对稀疏矩阵：通常使用CS压缩感知方法