exp是對矩陣中各個數分別作exp，expm是對整個矩陣做exp。

即

exp(A)=e.^A，expm(A)=e^A，其中e=exp(1)

exp(x): 求的是矩陣x中的每個元素的e指數。

這個矩陣x可以是任意矩陣； expm(x):求的是矩陣x的指數。

這個矩陣x只能是方陣；在matlab內部，採用的是pade近似演演算法來計算的。

在matlab中舉個例子，你看一下： x=[1 2 3; 4 5 6]; %計算2行3列矩陣的exp,

得到的是每個元素的exp >> exp(x) ans = 2.7183 7.3891 20.0855 54.5982 148.4132 403.4288 >> expm(x) %

用這個函式就出錯，原因是此時x不是方陣

首先澄清幾個概念：OR是odds ratio 而 logistic裡關注的是odds 不是odds的比值odds ratio odds= 發生的機率 除以 不發生的機率 logistic 迴歸的公式是： log O = alpha + Bx 那麼 O = Exp(alpha + Bx) = Exp(alpha)*Exp(Bx) 所以當x每增加1 x-->x+1 O就變成O*Exp(B) 所以意義就是變數每增加一個單位，你的關注量（因變數）的 odds 會增加 Exp(B)。 怎麼理解是odds？我覺得沒有一個很直觀的說法，只能從式子上理解，odds越大，相當於發生的機率越大，並且不發生的機率越小。（個人覺得odds和機率等價，因為確定了發生的機率，不發生的機率也就確定了）

exp，高等數學裡以自然常數e為底的指數函式。用途：用來表示自然常數e的指數。

例：EXP{F(X)}是e的F(X)次方。

exp(2)就是e的平方。

指數函式是數學中重要的函式。應用到值e上的這個函式寫為exp(x)。還可以等價的寫為e的x次方，這裡的e是數學常數，就是自然對數的底數，近似等於 2.718281828，還稱為尤拉數。