问题标签 [accumarray]

我有一个以 3 列格式 [x,y,z] 组织的 3D 点云，从第 4 列开始每个点的附加属性。请注意，所有点的距离是随机的。我正在尝试实现类似于 blockproc 的移动过滤器，以创建大小为 y,x 的 2D 矩阵，该矩阵沿 z 方向“展平”数据，并对体积中点云的给定属性进行平均。体积应该是沿 x 和 y 的固定大小的内核，我们称它们为 dx 和 dy，在其中将采用任何 z 的值。此外，体积应该能够滑动，例如移动步长（我们称它们为 xStep 和 yStep）不一定等于 dx 和 dy（尽管 dx=dy 和 xStep=yStep）。

到目前为止，我发现的 Matlab 函数有：

blockproc：具有实现滑动内核的能力，但适用于矩阵

accumarray：适用于离散点但没有滑动内核

这是我在概念上尝试做的卡通。该函数应该捕获红点并应用一个函数（例如mean、stdev）来计算红细胞的值。然后移动 xStep 并重新应用该功能。

知道如何实现这一目标吗？我已经坚持了一段时间。我写了一个函数来索引每次迭代的点，但是我的数据集相当大（>10^7 点），所以这种方法非常耗时。这个线程提供了一个使用 accumarray 的 MWE，没有滑动内核：

任何输入将不胜感激，谢谢！PS：第一次发帖，如有错误请见谅

我有连接一组点的最短路径，其中起点 A 是固定的。我有总距离、成对距离以及有序索引。我想分割路径：如果路径的总距离大于某个值，我想切割它并开始一条新路径等等。

我设法使用cumsumand accummary（我正在使用 MATLAB ）实现它，但这是一个非常丑陋的解决方案，我想知道还有其他方法吗？

这样我也可以使用 totcost 和 pairwaise 成本（如果提供），而不是例如距离。

我有一个看起来像这样的 matlab 数据集：

这是两个单独的数据列。

现在我想计算value2010 年至 2020 年间每年列中非 NaN 观测值的数量，即输出应如下所示：

如果任何计数为零，则应显示为零。

我知道我可以用一个非常简单的循环来做到这一点（下面的例子）。但这对于大型数据集来说是非常低效的。我正在研究 accumarray，但不知道该怎么做。

我正在使用 keras 进行分类模型。我正在使用以下方法编译模型：

我正在使用以下方法进行培训：

我self.train_class_weight的是：

{0: 0.834945054945055, 1: 0.8824622531939605, 2: 1.1671274961597542, 3: 1.4782101167315176, 4: 0.8804171494785632}

并使用以下方法提取：

所以我可以看到数据集确实是不平衡的。不过，我在培训中得到以下信息：

并在测试集上评估模型：

准确度 0.8550512194633484，加权准确度 0.8550512194633484。

model.evaluate()这些结果是根据编译的矩阵从模型中提取的。

为什么验证和测试的加权和未加权准确度是相同的？我评价错了吗？有没有更好的方法来衡量加权准确度？否则，我该如何解决这个问题？

我最近尝试将一些函数从 matlab 转移到 python。matlab中的一个函数叫做“accumarray”，accumarray(3d_array(10*10*10),1)输出也是10 10 10 3d数组。

但是当我尝试在python的“accum”函数中做同样的事情时，我不能在“accum（3d_array（10 10 10），vals）”中直接写“1”作为vals，你知道我该怎么做此功能有效，并且还输出 3D 数组？

非常感谢您的宝贵时间！