1

我有一个相对高维（100X500000）的矩阵 Q，我想对其进行下采样。通过下采样，我将举例说明。

让 Q =

1 4 9
3 2 1

并且下采样大小= n。我想从一个 sum(Q) = 20 个球的罐子中画出 n 个球，每个球的颜色为 6 种方式中的 1 种，对应于矩阵的不同索引对。这就像我有 1 个颜色 A 的球，4 个颜色 B 的球，等等，我正在绘制 n 个没有替换的球。

我希望它以与矩阵相同的格式返回。一个示例返回值，例如 downsample(Q, 3) =

0 0 2
1 0 0

我的方法是尝试使用示例：

sample(length(as.vector(Q)), size=n, replace=FALSE, prob = as.vector(Q))

但是问题是，示例将 1:length(as.vector(Q)) 视为我拥有的所有球，所以我不能画超过 length(as.vector(Q)) 球，因为我不是更换我的球。

因此，为了调整我的方法，我需要通过从该向量中减去 1 来更新我的概率，并使用某种 for 循环逐个调用样本。这听起来不像是好代码。

有没有更好的方法以 R 友好、无 for 循环的方式做到这一点？

4

2 回答 2

6

它的效率有点低，但如果sum(Q)不是太大，您可以通过分解/复制向量然后采样，然后重新聚合/制表来做到这一点。

Q <- setNames(c(1,4,9,3,2,1),LETTERS[1:6])
n <- 10
set.seed(101)
s0 <- sample(rep(names(Q),Q),
       size=n,replace=FALSE)
Q2 <- table(factor(s0,levels=names(Q)))
## A B C D E F 
## 1 2 5 1 0 1

我不确定你的矩阵结构。您可以使用dim(Q2) <- dim(Q)与原始矩阵相同的顺序重新组织结果...

于 2016-11-18T21:26:44.197 回答
3

这是一种非常好的方法。您可以通过替换which(x <= cq)[1]为查找第一个 TRUE 值而专门构建的函数来提高其效率（如有必要） 。

Q = matrix(c(1, 4, 9, 3, 2, 1), nrow = 2)

set.seed(47)
samp = sample(sum(Q), size = 3)
cq = cumsum(Q)

inds = table(sapply(samp, function(x) which(x <= cq)[1]))

result = integer(length(Q))
result[as.integer(names(inds))] = inds
dim(result) = dim(Q)
#      [,1] [,2] [,3]
# [1,]    0    2    0
# [2,]    0    0    1
于 2016-11-18T21:38:50.983 回答