У меня есть массив ячеек из 53 различных (40 000 x 2000) разреженных матриц. Мне нужно взять среднее значение по третьему измерению, чтобы, например, элемент (2,5) усреднялся по 53 ячейкам. Это должно дать один (33 000 x 2016) вывод. Я думаю, должен быть способ сделать это с помощью cellfun(), но я не могу написать функцию, которая работает между ячейками с одними и теми же индексами внутри ячейки.
Matlab Среднее по элементам с одинаковым индексом в ячейках
28.04.2014
- Почему
33,000 x 2016? Использовать запасную матрицу 53х40000х2000 не вариант? 28.04.2014 - @Daniel Проблема в том, что Matlab не поддерживает разреженные 3D-массивы. 29.04.2014
- Как получить результат 33000x2016 из 53 матриц 40000x2000? 29.04.2014
- Хорошо, это хороший аргумент :). Остается вопрос о размере вывода. 29.04.2014
Ответы:
1
Вы можете преобразовать разреженную матрицу в индексы и значения ненулевых записей, а затем использовать sparse для автоматического получения суммы в разреженной форме:
myCell = {sparse([0 1; 2 0]), sparse([3 0; 4 0])}; %// example
C = numel(myCell);
M = cell(1,C); %// preallocate
N = cell(1,C);
V = cell(1,C);
for c = 1:C
[m n v] = find(myCell{c}); %// rows, columns and values of nonzero entries
M{c} = m.';
N{c} = n.';
V{c} = v.';
end
result = sparse([M{:}],[N{:}],[V{:}])/C; %'// "sparse" sums over repeated indices
28.04.2014
2
Это должно помочь, просто инициализируйте пустой массив и просуммируйте каждый элемент массива ячеек. Я не вижу никакого способа использовать цикл for без объединения его в один гигантский трехмерный массив (который почти наверняка исчерпает память)
running_sum=zeros(size(cell_arr{1}))
for i=1:length(cell_arr)
running_sum=running_sum+cell_arr{i};
end
means = running_sum./length(cell_arr);
28.04.2014
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..