Question

我有以下数据

set.seed(11)
Data<-rbind(c(1:5),c(2:6))


Candidates <- matrix(1:25 + rnorm(25), ncol=5,
dimnames=list(NULL, paste0("x", 1:5)))
 colnames(Data)<-colnames(Candidates)

我想从候选矩阵的每一行中减去我的数据的每一行并返回最小的绝对差异因此，对于第一行，我想找出可能的最小错误量

sum(abs(Data[1,]-Candidates[1,]))
sum(abs(Data[1,]-Candidates[2,]))
sum(abs(Data[1,]-Candidates[3,]))
sum(abs(Data[1,]-Candidates[4,]))
sum(abs(Data[1,]-Candidates[5,]))

在这种情况下，它是38.15826。目前我实际上并不想找出哪个候选行产生最小的绝对偏差，我只想知道每个数据行的最小绝对偏差。

我希望最终得到一个新的数据集，它具有我原始的数据和最小的偏差，例如：第一行是这样的：

x1 x2 x3 x4 x5 MinDev 
1  2  3  4  5  38.15826

我真正的候选矩阵相对较小但我的真实数据非常大，所以目前我正在构建一个循环

Err[i,]<- min(rbinds( 
    sum(abs(Data[i,]-Candidates[1,])),
    sum(abs(Data[i,]-Candidates[2,]))...))

但我确信有一种更好，更自动化的方法，可以容纳大型数据矩阵和不同大小的候选矩阵。

有什么想法吗？

Answer 1

您可以使用sweep，rowSums和apply自动执行此操作

sum(abs(Data[1,]-Candidates[1,]))  ## 38.15826

在Data的第一行测试：

min(
    rowSums(abs(
                ## subtract row 1 of Data from each row of Candidates
                sweep(Candidates,2,Data[1,],"-"))))
## 38.15826

为了方便/可读性，将其封装在一个函数中：

getMinDev <- function(x) {
    min(rowSums(abs(sweep(Candidates,2,x,"-"))))
}

现在适用于Data的每一行：

cbind(Data,MinDev=apply(Data,1,getMinDev))

可能有一些方法比sweep略快（例如@ e4e5f4答案中给出的矩阵计算），但这应该是一个很好的基线。我喜欢sweep，因为它是描述性的，并不依赖于知道R使用列主矩阵排序。

Answer 2

您可以使用apply进行一些矩阵运算：

CalcMinDev <- function(x)
{
    m <- t(matrix(rep(x, nrow(Candidates)), nrow=nrow(Candidates)))
    min(rowSums(abs(m - Candidates)))
}

cbind(Data, MinDev=apply(Data, 1, CalcMinDev))

Answer 3

根据@BenBolker建议将我的评论（使用dist函数与method="manhattan"）转换为答案：

想法：诀窍是如果你向dist提供一个矩阵，它会将所有组合的距离作为下三角矩阵返回。

dist(rbind(Candidates, Data), method="manhattan")
#           1         2         3         4         5         6
# 2  8.786827                                                  
# 3 11.039044  3.718396                                        
# 4 16.120267  7.333440  6.041076                              
# 5 21.465682 12.678855 10.426638  5.345415                    
# 6 38.158256 45.763021 48.015238 53.096461 58.441876          
# 7 35.158256 40.763021 44.048344 48.096461 53.441876  5.000000

这里，第6行和第7行（从索引1到5）是你感兴趣的距离。所以，基本上，你只需要计算索引来提取你感兴趣的元素。

最终代码如下：

idx1 <- seq_len(nrow(Data)) + nrow(Candidates)
idx2 <- seq_len(ncol(Candidates))
tt <- dist(rbind(Candidates, Data), method="manhattan")
transform(Data, minDev = apply(as.matrix(tt)[idx1, idx2], 1, min))
#   x1 x2 x3 x4 x5   minDev
# 6  1  2  3  4  5 38.15826
# 7  2  3  4  5  6 35.15826

从可能向量矩阵中找出与向量的最小偏差

3 个答案: