matlab 如何把mat数据进行转置

function savetoMat

%将txt文件中的数据保存到mat文件中

tr_dat1=traindata(:,2:181);%保存矩阵的2~181列数据到指定矩阵

tr_dat=tr_dat1'; %求矩阵的转置矩阵

trls1=traindata(:,1); %保存矩阵的第一列到指定的矩阵

%将变量tr_dat trls tt_dat ttls

保存到ImageNet15mat文件中

save ImageNet15 tr_dat trls tt_dat

MATLAB

和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等。

MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点。

1，收先打开Matlab软件，在软件界右侧点击鼠标右键，选择“new file”，点击“script”新建一个文件：

2、在脚本里随意输入一个简单的矩阵，matlab里矩阵转置实现起来比较容易，只需要通过英文的单引号就能实现转置 *** 作：

3、按回车键之后，就可以看到a矩阵转置以后的结果，b矩阵就是转置以后的结果，至此矩阵转换的 *** 作就完成了：

matlab中，矩阵A的转置表示成 A'附注matlab中常用的矩阵运算，矩阵加、减（＋,－）运算。

内容拓展：

一、矩阵的其它运算

(1)inv — 矩阵求逆；

(2)det — 行列式的值；

(3)eig — 矩阵的特征值；

(4)diag — 对角矩阵；

(5) ’ — 矩阵转置；

(6)sqrt — 矩阵开方；

二、matlab

1、MATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。

2、MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂(矩阵实验室)。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言(如C、Fortran)的编辑模式，代表了当今国际科学计算软件的先进水平。

3、MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

matlab中的归一化处理有三种方法
1 premnmx、postmnmx、tramnmx
2 restd、poststd、trastd
3 自己编程
(1)线性函数转换，表达式如下：
y=(x-MinValue)/(MaxValue-MinValue)
说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。
(2)对数函数转换，表达式如下：
y=log10(x)
说明：以10为底的对数函数转换。
(3)反余切函数转换，表达式如下：
y=atan(x)2/PI
(4)一个归一化代码
I=double(I);
maxvalue=max(max(I)');%max在把矩阵每列的最大值找到，并组成一个单行的数组，转置一下就会行转换为列，再max就求一个最大的值，如果不转置，只能求出每列的最大值。
f = 1 - I/maxvalue; %为什么要用1去减？
Image1=f;
机器学习模型需要对数据进行归一化
1）归一化后加快了梯度下降求最优解的速度；2）归一化有可能提高精度
1 归一化为什么能提高梯度下降法求解最优解的速度？
如下图所示，蓝色的圈圈图代表的是两个特征的等高线。其中左图两个特征X1和X2的区间相差非常大，X1区间是[0,2000]，X2区间是[1,5]，其所形成的等高线非常尖。当使用梯度下降法寻求最优解时，很有可能走“之字型”路线（垂直等高线走），从而导致需要迭代很多次才能收敛；
而右图对两个原始特征进行了归一化，其对应的等高线显得很圆，在梯度下降进行求解时能较快的收敛。
因此如果机器学习模型使用梯度下降法求最优解时，归一化往往非常有必要，否则很难收敛甚至不能收敛。

---