声音分离
[W,s,v]=svd((repmat(sum(x.x,1),size(x,1),1).x)*x');
线性分析
octave:A=[1 3;2 4] ; inverA=pinv(A) 逆矩阵，转置矩阵，用户多元线性回归
推导，
octave介绍：
http://www.gnu.org/software/octave/doc/interpreter/index.html
输入快捷ones(m,n)，zeros(m,n),rand(m,n),randn(m,n)
生成直方图：hist(w,n)
eye(3)->单位向量
load Y.dat
v=Y（1：10）截取前十个变量
save test.mat v 保存变量至本地(二进制)
save test.txt v -ascii 本地可见文本
A（3，2）矩阵内部某数值
：==所有的元素
A([1,3],:)一三行元素,A(:,1:3),一至三列元素
A=[A,[x;y;z]]添加列 A=[A A]==[A,A]->A左右复制A=[A;A]上下复制
A .* B对应位置相乘，元素位运算
转置矩阵A'。判断：a<3对每一元素判断，find(a<3) 返回每一index，单行
[r,c]=find(A>7),返回r,c坐标
[val,ind]=max(a)，val->value,ind->index。单行
max(A),返回m*1的矩阵，每一列的最大值==max(A,[],1)MAX(A,[],2)返回每一行的最大值sum(A,1/2)返回每一列的和/每一行的和flipud 行反转
pinv(A)逆矩阵->1/A
plot(x,y，'颜色')，画图，x，y单行矩阵
hold on;旧函数新函数一起绘制xlable（''） x坐标轴名称legend（'',''） 曲线名称print -dpng 'hello.png'保存为图片axis([a b c d])，x轴a~b y轴c~dsubplot(1,2,1) 大小1*2，第一个图像clf； 清除图像imagesc(A),colorbar,colormap gray;
for i=1:10,
vi=2^2; end; ->for example i=1; while true, vi=(999); i=i+1; if(i==6), break; end; //if end; //while
函数加载
定义.m文件，内定义同名函数function [y1,y2]=sq(x)y1=x2;y2=x3;addpath('') or cd进入该目录即可执行[a,b]=sq(9)
J=1/(2m)sum((Xtheta-y).(X*theta-y));
theta=theta-(alpha/m)(X'(X*theta-y));
分类算法
h(theta)
代价函数
J(theta)
递归公式
神经网络
向量机（SVM）
最大似然估计：
推荐系统：
给出特征值：用线性方程解
