0

我有一个所有案例之间的相似矩阵，并且在一个单独的数据框中，这些案例的类别。我想计算来自同一类的案例之间的平均相似度，这是来自 j 类的示例 n 的等式：

案例之间的平均接近度

我们必须计算 n 和与 n 来自同一类的所有案例 k 之间的所有平方接近的总和。链接： http: //www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm#outliers

我用 2 个 for 循环实现了它，但它真的很慢。有没有更快的方法在 R 中做这样的事情？

谢谢。

//数据（输入）

带类的数据框：

structure(list(class = structure(c(1L, 2L, 2L, 1L, 3L, 3L, 1L, 
                            1L, 2L, 3L), .Label = c("1", "2", "3", "5", "6", "7"), class = "factor")), .Names = "class", row.names = c(NA, 
            -10L), class = "data.frame")

接近矩阵（m行m列对应上面数据框m行中的类）：

structure(c(1, 0.60996875, 0.51775, 0.70571875, 0.581375, 0.42578125, 
0.6595, 0.7134375, 0.645375, 0.468875, 0.60996875, 1, 0.77021875, 
0.55171875, 0.540375, 0.53084375, 0.4943125, 0.462625, 0.7910625, 
0.56321875, 0.51775, 0.77021875, 1, 0.451375, 0.60353125, 0.62353125, 
0.5203125, 0.43934375, 0.6909375, 0.57159375, 0.70571875, 0.55171875, 
0.451375, 1, 0.69196875, 0.59390625, 0.660375, 0.76834375, 0.606875, 
0.65834375, 0.581375, 0.540375, 0.60353125, 0.69196875, 1, 0.7194375, 
0.684, 0.68090625, 0.50553125, 0.60234375, 0.42578125, 0.53084375, 
0.62353125, 0.59390625, 0.7194375, 1, 0.53665625, 0.553125, 0.513, 
0.801625, 0.6595, 0.4943125, 0.5203125, 0.660375, 0.684, 0.53665625, 
1, 0.8456875, 0.52878125, 0.65303125, 0.7134375, 0.462625, 0.43934375, 
0.76834375, 0.68090625, 0.553125, 0.8456875, 1, 0.503, 0.6215, 
0.645375, 0.7910625, 0.6909375, 0.606875, 0.50553125, 0.513, 
0.52878125, 0.503, 1, 0.60653125, 0.468875, 0.56321875, 0.57159375, 
0.65834375, 0.60234375, 0.801625, 0.65303125, 0.6215, 0.60653125, 
1), .Dim = c(10L, 10L))

正确结果：

c(2.44197227050781, 2.21901680175781, 2.07063155175781, 2.52448621289062, 
1.88040830957031, 2.16019295703125, 2.58622273828125, 2.81453253222656, 
2.1031745078125, 2.00542063378906)
4

1 回答 1

1

应该是可以的。您的符号不清楚我们是否会在行或列中找到类似类的成员，所以这个答案假设在列中，但如果它们在行中，明显的修改也会起作用。

colSums(mat^2))  # in R this is element-wise application of ^2 rather than matrix multiplication.

由于这两个操作都是矢量化的，因此预计它会比 for 循环快得多。

通过修改并假设矩阵名为“mat”，类数据框名为“cldf”：

sapply( 1:nrow(mat) , 
           function(r) sum(mat[r, cldf[['class']][r] ==  cldf[['class']] ]^2)  )
[1] 2.441972 2.219017 2.070632 2.524486 1.880408 2.160193 2.586223 2.814533 2.103175 2.005421

于 2012-10-03T21:59:17.037 回答