Appunti dal corso Machine Learning (Apprendimento Automatico) su Coursera.
Una volta lanciato Octave (io sto usando la versione 3.2.4) dal terminale (Bash):
- spostarsi nella directory di lavoro:
cd /media/PEPPINO/Machine_learning/3_week/mlclass-ex2
o in generale
cd pathname
- elenco degli oggetti presenti nel mio ambiente di lavoro (in R ls() o ls.str()):
who
whos
- crea una matrice:
z= [0;0;0] - dimensioni di una matrice:
size(z) % 3 x 1 - inizializziamo un altra matrice usando le dimensioni di quella già creata:
g= zeros(size(z)) - definiamo la funzione SIGMOIDE
g= 1 ./ (1 + exp(-z)) % il punto prima del simbolo di divisione serve a indicare la divisione elemento per elemento (e non quella tra matrici ! ! ! ) - rimuovere "oggetti" creati
clear g z
- Per creare una funzione da richiamare all'occorrenza aprire un file di testo ( ed. es. gedit in ambiente Linux o WordPad Blocco Note in Winzozz):
function g = sigmoid(z)
% J = SIGMOID(z) computes the sigmoid of z.
% You need to return the following variables correctly
g = zeros(size(z));
% Instructions: Compute the sigmoid of each value of z (z can be a matrix, vector or scalar).
g = 1 ./ (1 + exp(-z))
end
- e salva il file con sigmoide.m poi dalla linea di comando di Octave puoi richiamare la funzione
sigmoide(z) % dove z è una matrice, un vettore o uno scalare presente nell'ambiente
