Machine Learning - Octave环境的安装

  最近开始看Coursera上面的机器学习课程,上面提到了一个软件——Octave,于是乎我转了下面这篇博客。

  不知道是具体什么原因,本人在下载 octave-4.2.1-w64-installer.exe 时,速度奇慢无比,于是下载了 octave-4.2.1-w64.zip ,解压后按照http://wiki.octave.org/Octave_for_Microsoft_Windows里面所说,打开了文件夹中的.bat文件/.vbs文件,然后直接就可以用了。

  下载页面:https://ftp.gnu.org/gnu/octave/windows/

  以下是原博客正文



  Octave是一种解释类的编程语言,并且是GNU项目下的开源软件,与之相对是大家都非常熟悉的matlab,Octave和matlab语法基本上一致,都是用来快速做一些强大的矩阵运算来使用的,最大的不同是Octave是完全免费的,并且是开源的,这意味着任何人都可以直接去使用甚至修改源代码,但是matlab是商业软件,并且价格非常昂贵,高校和研究机构用的会多一些,并且付费的会有完善的技术支持,在国内通常可以非常方便的获取破解版本,但是Octave既免费又轻量,而且随着4.0之后界面和绘图功能都变得不断强大,这应该比安装笨重的matlab要让人愉快很多,并且绝大数情况下Octave已经具备了你需要的所有功能

  另外Octave正是因为矩阵运算的优势,可以把很多复杂的需要迭代的计算转化为矩阵或者向量来计算,这种转化往往可以将几十行代码精简为几行代码就能完成,并且内置的数值分析库的性能也比一般自己写要高,一般在数据分析,机器学习中可以先使用Octave快速做好模型,然后投入生产可以使用Python,Java或者C/C++来实现,并且各种语言都有对应的矩阵运算库,这个也不用自己去编写代码,所以使用Octave可以专注与模型与数据分析本身,而不用考虑过多关于计算的东西,所以这样效率才非常好,说了那么多下面是具体的下载以及安装过程:

  Octave的官网地址是:https://www.gnu.org/software/octave/ 进入之后点击首页的Download按钮可以快速看到下载的来源,对于Linux特定的发行版可以直接使用系统的包管理来安装,一步到位;也可以下载源码包编译安装,和安装一般软件通用,对于windows可以直接下载安装包来安装,

  windows安装包下载地址是:https://ftp.gnu.org/gnu/octave/windows/

  Linux源码包下载地址是:https://ftp.gnu.org/gnu/octave/

  注意:对于版本来说目前最新的是4.2.1,建议安装4.0.1往上的版本,但是一定不要安装4.0.0版本,因为这个版本存在比较严重的bug,而这个bug在4.0.1中得到修复

  对于windows下安装没什么好说的,下载安装包运行然后点点下一步就可以安装好了,安装之后桌面会出现两个快捷方式链接,一个是CLI启动之后是命令行形式,一个是GUI就是用户界面形式,不仅可以执行命令还可以作为代码编辑器使用,Octave的源代码是.m的格式;命令行比较快速稳定并且也可以直接绘图,所以通常我们都使用命令行

  对于Linux安装就是使用一般的编译步骤来安装即可,注意如果是纯命令行的Linux那么绘图命令和GUI都是不能使用的,不依赖图形界面都是无法启动的,但是仍然可以在命令行中使用大部分功能,这里下载的是最新的4.2.1的源码包,下面开始安装:

  释放安装包并进入源码目录: tar -xvzf octave-4.2.1.tar.gz && cd octave-4.2.1/

  执行 ./configure --help 可以查看所有的编译参数说明,这里直接全部默认安装到指定目录: ./configure --prefix=/usr/octave

  如果此时报缺少一些依赖包的error可以安装下面一些包:

yum -y install lapack64 lapack64-devel
yum -y install readline-devel

  安装之后,再执行: ./configure --prefix=/usr/octave 一般就正常了

  然后进行编译: make -j4

  编译过程很长,一般在半个小时到一个小时左右,耐心等待,编译完成后有一堆警告,大致意思是说缺少图形组件依赖,将无法使用绘图功能等,就是说界面不能用,因为我们系统是命令行,所以直接忽略即可,

  执行安装: make install

  安装之后这个解压的包连同源代码一块大约有3G左右,这个用不到了可以删除,然后进入/usr/octave安装目录,安装目录大约500M左右,安装目录下面的bin就是octave可执行文件的路径了,可以直接用来运行源文件也可以进入命令行执行指令

  此时执行: ./bin/octave-cli 就可以进入Octave命令行了,如下:

  

  另外如果细心会发现,执行 ./bin/octave 也可以进入命令行并且和上面一样,其实这是一个GUI启动程序,如果在有图形界面的系统上执行会启动GUI界面,但是当前是纯命令行的系统,所以执行的时候先打印了错误,然后就进入命令行界面了,所以用着和上面的octave-cli一样

  以上就是Octave的简单介绍和安装

转自 http://www.cnblogs.com/freeweb/p/7124589.html

时间: 2024-07-28 20:09:56

Machine Learning - Octave环境的安装的相关文章

Machine Learning——octave的操作(1)——DAY2

1.PS1('>>'); --不显示版本 2.输出: a=pi; format long format short(4位) disp(sprintf('%0.2f',a)) 3.矩阵的输入: A=[1 2;3 4;5 6] A(1,2)--取出第一行第二列的值 A(1,:)--取出第一行所有值 A(:,2)--取出第二列所有值 A([1 3],:)--取出第一行和第三行的所有元素 A(:,2)=[1:65:3231]--把第二列的元素改变 A=[A,[1;2;646]]--在原矩阵的基础上增加

Machine Learning——octave矩阵操作(2)——DAY3

矩阵的数学操作: Assumed: a为一个矩阵,m是一个向量 Log(a)--求每一个元素的对数 Exp(a)--以e为底的指数 1./a--求每个元素的导师 [a,b]=max(m)--m是一个向量,a为m当中最大的元素,b为a在m中的排列序号(已按从小到大排好) m<3--比如m=[1 6 7],会得到[1 0 0](应该能懂) Find(m>3)--比如m=[1 6 7],会得到[2 3],即大于3的元素的下标(应该能懂) Magic(3)--产生一个3*3的矩阵,每行每列加起来相等

Machine Learning - V. Octave Tutorial (Week 2)

机器学习Machine Learning - Andrew NG courses学习笔记 If you want to build a large scale deployment of a learning algorithm, what people will often do is prototype and the language is Octave.Which is a great prototyping language.So you can sort of get your le

Coursera《machine learning》--(8)神经网络表述

本笔记为Coursera在线课程<Machine Learning>中的神经网络章节的笔记. 八.神经网络:表述(Neural Networks: Representation) 本节主要讨论一种叫做神经网络的机器学习算法.首先讨论神经网络的表层结构,在后续的课程中再讨论具体的学习算法.神经网络其实是一个比较古老的算法,它沉寂过一点时间,但现在又成为了许多机器学习的首选技术. 8.1 非线性假设 参考视频: 8 - 1 - Non-linear Hypotheses (10 min).mkv

[Python &amp; Machine Learning] 学习笔记之scikit-learn机器学习库

1. scikit-learn介绍 scikit-learn是Python的一个开源机器学习模块,它建立在NumPy,SciPy和matplotlib模块之上.值得一提的是,scikit-learn最先是由David Cournapeau在2007年发起的一个Google Summer of Code项目,从那时起这个项目就已经拥有很多的贡献者了,而且该项目目前为止也是由一个志愿者团队在维护着. scikit-learn最大的特点就是,为用户提供各种机器学习算法接口,可以让用户简单.高效地进行数

[Machine Learning] 国外程序员整理的机器学习资源大全

本文汇编了一些机器学习领域的框架.库以及软件(按编程语言排序). 1. C++ 1.1 计算机视觉 CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库 OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口,并支持Windows, Linux, Android and Mac OS操作系统. 1.2 机器学习 MLPack DLib ecogg shark 2. Closure Closure Toolbox—Clojure语言库与工具的分类目录 3

New to Machine Learning? Avoid these three mistakes

http://blog.csdn.net/pipisorry/article/details/43973171 James Faghmous提醒机器学习初学者要避免的三方面错误,推荐阅读 New to Machine Learning? Avoid these three mistakes Common pitfalls when learning from data Machine learning (ML) is one of the hottest fields in data scien

Machine Learning第十一周笔记:photo OCR

博客已经迁移至Marcovaldo's blog (http://marcovaldong.github.io/) 刚刚完毕了Cousera上Machine Learning的最后一周课程.这周介绍了machine learning的一个应用:photo OCR(optimal character recognition,光学字符识别),以下将笔记整理在以下. Photo OCR Problem Description and Pipeline 最后几小节介绍机器学习的一个应用--photo O

Advice for Applying Machine Learning &amp; Machine Learning System Design----- Stanford Machine Learning(by Andrew NG)Course Notes

Adviceforapplyingmachinelearning Deciding what to try next 现在我们已学习了线性回归.逻辑回归.神经网络等机器学习算法,接下来我们要做的是高效地利用这些算法去解决实际问题,尽量不要把时间浪费在没有多大意义的尝试上,Advice for applying machine learning & Machinelearning system design 这两课介绍的就是在设计机器学习系统的时候,我们该怎么做? 假设我们实现了一个正则化的线性回