Octave命令及语法教程3 - 图像绘制与数据可视化

当开发学习算法时 往往几个简单的图 可以让你更好地 理解算法的内容 并且可以完整地检查下 算法是否正常运行 是否达到了算法的目的 例如绘制损失函数J(θ)可以帮助确认梯度下降算法是否收敛 通常情况下 绘制数据或学习算法所有输出也会启发你如何改进你的学习算法 幸运的是 Octave有非常简单的工具用来生成大量不同的图 当我用学习算法时 我发现绘制数据 绘制学习算法等 往往是我获得想法来改进算法的重要部分 接下来将说一下用Octave的工具来绘制和可视化你的数据

图像化数据

首先我们用之前学到的知识生成一堆数据，然后设计函数y1=sin(2*pi*4*t)，最后用plot绘制图像

plot绘制图像

> t = [0:0.01:0.98];
> y1 = sin(2*pi*4*t);
> plot(t,y1);

plot一张图上绘制两个函数

其中，图像的横轴便是t，纵轴是y1。同样的方式我们也可以绘制y2=cos(2*pi*4*t)，而且如果我们希望在一个图上绘制的话，可以用hold on，就像这样：

> y1 = sin(2*pi*4*t);
> y2 = cos(2*pi*4*t);
> plot(t,y1);
> hold on;
> plot(t,y2);

hold on 就是保留旧的图像，让新的图像在旧的图像上继续绘制。

给图像添加属性

当然，我们可以给它添加颜色，比如红色：

> plot(t,y1)
> hold on;
> plot(t,y2,'r');

然后，我们加上x、y轴的标签：

> xlabel('time');
> ylabel('value');

再加上两条线的名字：

> legend('sin', 'cos')

再加上这个图的标题：

> title('my plot')

保存绘制的图像

最后，我还希望保存这张图：

> cd /Users/vien/MachineLearning/Octave/plot;
> print -dpng 'myPlot.png';

这可能需要一点点时间，取决于你电脑的配置，下面就是最后生成的图，看起来还不错。当然，你也可以保存成别的格式，详情请用help plot查看。

开启多个窗口

我们发现，窗口的标题是Figure 1，因此我们可以通过用figure给每个窗口标号，从而在新窗口绘制图像而不是覆盖掉之前的窗口。

> figure(1); plot(t,y1);
> figure(2); plot(t,y2);

这样我就会有两个图同时存在了，一个是Figure 1，一个是Figure 2。

窗口切分

subplot(1,2,1);

将一个窗口分成1x2的格子，也就是前两个参数，第三个参数是选定第一个格子。

> subplot(1,2,1);
> plot(t,y1);
> subplot(1,2,2);
> plot(t,y2);

改变坐标轴范围

> axis([0.5 1 -1 1])

在之前的窗口，右侧的图像，x轴设置为0.5到1，y轴设置为-1到1。

关闭与清理

再说个看起来没啥用的东西，我们可以输入close关闭图像窗口，但其实很多人还是习惯点直接那个小叉叉关掉。

clf则是清理当前窗口的图像，然后这个窗口就变成了一个白板。

矩阵可视化

> A = magic(5)
A =

   17   24    1    8   15
   23    5    7   14   16
    4    6   13   20   22
   10   12   19   21    3
   11   18   25    2    9

> imagesc(A)

我们再给图像添加一个colorbar，我确实不太会翻译，反正就是下面图像右边的颜色条。然后我们，让它从彩色变成一个黑白的灰度分布图。

> colorbar
> colormap gray

不同深浅的颜色，对应不同的值。每个坐标的颜色，都可以在右侧的colorbar找到对应的取值。可以看出来，值越大，颜色越浅，值越小，颜色越深。

广告期间插播电视剧

这里顺带再讲一个语法：

> imagesc(magic(15)), colorbar, colormap gray

这样用逗号隔开跟上面一行一行执行是一样的。之前说过，对于a=1这种，不加;就是赋值顺带输出，加;就是赋值不输出，同样的也可以这样用：

> a = 1, b = 2, c = 3
a =  1
b =  2
c =  3
> a = 1; b = 2; c = 3;
>

可以看到，用,连接是有输出的，用;连接是没有输出的。所以说我们用,或者;可以在一行里执行命令，不过搞清楚他们的区别和特点哦。