问题标签 [binary-matrix]

所以我有一个数据框，其中包含一堆与项目的交易，有点像这样：

我有一个所有现有项目的列表，现在我想将其转换为具有 0 和 1 值的逻辑矩阵。因此，如果给定行中存在项目，则矩阵中的该条目应为 1。

是否有捷径可寻？

编辑： 对于逻辑矩阵，我们需要为每个项目生成一列，为每个事务生成一行。

我是编程和 R 的新手。

我在列中有这样的数据：

我想制作一个二进制矩阵，将所有列与 C1 进行比较，其中 1 为 TRUE，0 为 FALSE。我想要这样的东西：

有谁知道如何做到这一点？谢谢你。

我的 R 脚本中有一个像这样的二进制表：

我如何从中获得以下信息？

Edit1：以上数据是虚拟数据。根据@RonakShah 请求添加 dput 信息。这是我在表格中的数据样本。

从上面粘贴的 dput 数据中，我期望以下输出，这是 6 个样本中的一个，5 个样本具有 KPC-2，1 个样本同时具有 KPC-2 和 CTX-M-27。

我有一组非常大的 400x400 二进制矩阵M。对于给定的二进制矩阵A，如何在集合M中找到矩阵B ，使其与A的汉明距离最小？

我得到了一个带有整数的 pytorch 2-D 张量，以及始终出现在张量的每一行中的 2 个整数。我想创建一个二进制掩码，在这两个整数的两次出现之间包含 1，否则为 0。例如，如果整数是 4 和 2，并且一维数组是[1,1,9,4,6,5,1,2,9,9,11,4,3,6,5,2,3,4]，则返回的掩码将是：[0,0,0,1,1,1,1,1,0,0,0,1,1,1,1,1,0,0,0]. Is there any无需迭代即可计算此掩码的有效且快速的方法？

该问题似乎非常适合 GPU、FPGA 等（因为它非常并行）；但我现在正在寻找一种基于 CPU 且在某种程度上独立于架构的解决方案。我认为一个好的答案可能只是一些未实现的伪代码，但我的程序是纯 C++20，所以答案应该与该上下文相关（例如，不要假设像 Python 这样非常高级的东西，不要使用编译器特定的内在函数或程序集）。我并不期待令人兴奋的性能，但我确实希望答案比我已经拥有的三个实现快得多（在这个文件）：一种非常幼稚的方法，没有生成器矩阵，以及一种幼稚的“将输入向量与密集生成器矩阵相乘”方法。答案应该适用于任意码字和输入长度，但重要的码字长度在 2000 位以下，小输入长度并不重要。

一些预备知识：所讨论的二进制数的加法和乘法分别定义为“异或”（XOR）和“与”逻辑/按位运算。这扩展到二进制矩阵乘法。

汉明码是旧的和众所周知的二进制线性块错误检测/纠正码。每个码字是一串位，其中一些位位置被指定为奇偶校验位，用于错误检测和纠正，而其余位是数据位，如果没有错误，它们只是输入位的副本。我们只考虑奇偶校验位位于传统的二次幂位置的汉明码（即，基于 1 的编号：位 1、位 2、位 4、位 8，...）。因此，每个可能的代码都可以使用它的长度n（代码字中的位数）或它的等级k（代码字中的数据位数）来确定。汉明码可以称为(n, k)，例如，(7, 4)或(40, 34)。

每个代码都有一个生成矩阵，一个二进制矩阵，输入向量可以与该矩阵相乘以获得一个代码字。因此，某个代码的代码字集合正是生成矩阵的行的线性组合集合。

所需的程序基本上是一个编码器：它以一(n, k)对作为输入来提供代码（是的，这是多余的 - 本质上只需要一对）和一个任意二进制消息，将消息分成k-bits long sub-消息并输出一系列 - 位n长码字，每个码字编码一个子消息。

我希望在这里得到一个利用特定于我们的生成器矩阵的属性的答案（例如，生成器矩阵的特殊表示和特殊的向量矩阵乘法算法），所以这里是一些代码的生成器矩阵的示例：

汉明码(3, 1)（只有代码字000和111）：

汉明码（(5, 2)只有代码字00000、11100和）：1001101111

汉明码(6, 3)：

（注意每个生成矩阵如何包含所有较小代码的生成矩阵。）

汉明码(150, 142)（所有零都留空，所以那些会更突出）：

请注意，在大多数生成器矩阵的所有零中，零的数量相对较少，而且这些矩阵肯定有一个模式，甚至是形状。

我在这里的所有相关领域都很薄弱，所以请尝试纠正我犯的任何可能的错误。

我有一个用 0 和 1 填充的二进制矩阵 (N*M)。示例：

起点 S 是左上角，目的地 D 是右下角。从 S 开始，允许执行以下步骤：

1. 下降 1 级 (↓)
2. 向右走 1 步 (→)
3. 向右和向下对角线 1 步（➘）

但只能使用带有“1”的条目，因为“0”代表障碍。因此，例如在我的示例矩阵中，有三种可能的路径。

目标：我正在寻找的是确定是否存在路径的最有效算法。该算法只需要在上述限制下输出 TRUE（如果至少存在一条从 S 到 D 的路径）和 FALSE（如果不存在从 S 到 D 的路径）。它不需要确定最短路径。仅是否存在满足条件的路径。

我研究过 DFS 和 BFS，但我不确定它们是否对我的问题最有效。

我面临一个分类问题，我需要根据特征的存在与否对样本进行分类。

数据矩阵X是二进制的scipy.sparse.csr_matrix。

我试图LogisticRegression用penalty='l1'and拟合一个C=0.5，它给出了非常好的指标和非常稀疏的系数，这是所期望的。

但是，我的问题的另一个要求是在 {0, 1} 中具有二进制系数或在 {0, 1, -1} 中具有系数。意义特征要么对正类的样本分类有积极贡献，要么消极或不贡献，但两个积极贡献的特征必须同等贡献。

我猜想实现这一点的一种简单方法是添加一个正则化项：

原来的优化问题是：

这样系数确实是稀疏的，非零系数必须为 1 或 -1。现在我使用的solver=liblinear效率非常高，但它是用 c++ 编写的，所以不太容易修改。由于我正在使用penalty=l1，唯一的其他选择solver='saga'是不幸的是在我的经验中要慢得多。此外，代码在 cython 中，修改起来并不容易

是否有另一种（更简单的？）方法来实现这一目标？也许有人知道一种已经被广泛使用但我错过的方法？

我被要求解决高级编程课程中的一个问题，即“假设从 index[0][0] 到 index[n][n] 的 0 和 1 矩阵中是否存在任何水平 - 垂直方式的 '0？” 并引导可通过递归函数求解。在下一节课中，导师解决了它，我不明白它是如何工作的。我把代码放在下面。

有人可以像我“eli5”一样向我解释吗？