resp = fig2plotly()
%把m列1行的矩阵A复制成m列n行
A=repmat(A,n,1);
%自带函数绘制ROC曲线,a为1*n表示样本实际标签，b为1*n表示样本预测为1的概率
plotroc(a,b)
%把m行n列的矩阵转为mn *1 的向量
B = A(:);
%把向量A转换为3维的n*n*n向量
B= reshape(A,n,n,n);
%提取出矩阵A的所有行，1,2,3列
S = [1,2,3];
A = A(:,s);
%将A，B的行合并成X1，列合并成X2
X1 = [A;B];
X2 = [A,B];
%把矩阵所有非0元素置1，把矩阵大于0元素置1
A(A~=0) = 1;
B(A>0) = 1;
%找出矩阵中非0元素的位置
B = find(A~=0); %顺序为第一列为前n，第二列为n+1 ~ 2n
[B,C] = find(A~=0); % B为行，C为列
%判断每列元素是否均为0，返回1*n logical (满足返回1，不满足返回0）
B = all(A == 0,1);
%判断每行元素是否均为0，返回n*1 logical
B = all(A == 0,2);
%去掉矩阵中元素全为0的列
A(:,all(A == 0,1)) = [];
%计算标准偏差。第一个为计算标准偏差，第二个若flag=0同第一个，若flag=1计算总体标准偏差（除以n，有偏的）
S = std(X);
S = std(X,flag);
%根据第n列的值对所有行降序排列。升序排列为（+n）。
B = SORTROWS(A,-n);
%一般线性拟合，用A拟合B，例如A为age，B为数值。其中C为在Y轴上的截距，C（2,1）为斜率（系数）
% B = A*C(2,1) + C(1,1) + E(残差)
[C,D] = glmfit(A,B,'normal');
%多重线性回归,C(1,1)对应截距，C(2,1)对应第1个自变量系数，C(2,1)对应第2个自变量系数
X = [ones(n,1) x1' x2'];
C = regress(Y,X);
%找出矩阵A中极大值； 找出矩阵A中每列的极大值
B = max(max(A));
B = max(A);
%找出矩阵极大值的坐标
[x,y] = find(A == max(max(A)));
%移动当前文件夹中的文件并重新命名
movefile('xxx','yyy');
%复制当前文件夹中的文件并重新命名
copyfile('xxx','yyy');
%删除当前文件夹中的一个文件
delete(‘’filename.nii’);
%删除一类文件
delete('*.后缀');
%统计一个矩阵中包含的元素值和频率
A = tabulate(A(:));
%取整
fix(A); %舍小数取整
round(A); %四舍五入取整
floor(A); %取小于A的最大整数
ceil(A); %取大于A的最小整数
%等间隔采样。从第一个元素开始，每隔n-1个元素保存一个。
y = downsample(x,n)
%统计矩阵中包含的值以及出现频次
y = tabulate(x(:))
subplot(x,y,1)
A = matrix; imagesc(A); colorbar; colormap grey %生成矩阵图像，每个值对应不同的颜色，colorbar生成每个值对应颜色标注，最后选择灰度图
legend('xx','yy') %图像右上角标注线条和名称,e.g. 第一个线条为xx,
pinv(A) %A的逆矩阵