Question

我试图在Matlab中编写循环，迭代地求解零和1的最佳向量。这是我的代码

N = 150;
s = ones(N,1);
for i = 1:N
    if s(i) == 0
        i = i + 1;
    else
        i = i;
    end
    select = s;
    HI = (item_c' * (weights.*s)) * (1/(weights'*s));
    s(i) = 0;
    CI = (item_c' * (weights.*s)) * (1/(weights'*s));
    standarderror_afterex = sqrt(var(CI - CM));
    standarderror_priorex = sqrt(var(HI - CM));
    ratio = (standarderror_afterex - standarderror_priorex)/(abs(mean(weights.*s) - weights'*select));
    ratios(i) = ratio;
    s(i) = 1;
end

[M,I] = min(ratios);
s(I) = 0;

此代码将元素设置为s，其中s的比率最低。但我需要这个程序重新开始，使用带有一个零的新s来查找比率并排除具有最低比率的s中的元素。我需要一遍又一遍，直到没有比率为负我需要另一个循环，还是我想念一些东西？

我希望我的问题很清楚，只要告诉我你是否需要我解释一下。

提前感谢您帮助新手程序员。

修改

我认为我还需要添加某种形式的while循环。但我无法看到如何构建这个。这是我想要的流程

包含所有项目（s(i) = 1用于所有i），计算HI，CI和标准误差并列出比率，排除对应于最低负比率的项目i（s(I) = 0）。登记/> 使用新s，包括除零之外的所有1，计算HI，CI和标准误差并列出比率，排除项目i，其对应于最低负比率。
使用新的s，现在包括除了两个零之外的所有s，重复该过程这样做直到要排除的比率没有负面因素。

希望现在变得更加清晰。

Answer 1

确定。在列出我的代码之前，我想要做一些事情。这些只是 I 尝试这样做的方式。不一定是最好的方式，或者最快的方式（尽管我认为它很快）。我试着保持你的代码中的结构，所以你可以很好地遵循它（即使我可能将所有的计算结合到一个函数或行中）。

我在代码中使用的一些功能：

bsxfun：了解这一点！令人惊讶的是它如何工作并且可以加速代码，并使一些事情变得更容易。
```
v = rand(n,1);
A = rand(n,4);
% The two lines below compute the same value:
W = bsxfun(@(x,y)x.*y,v,A);
W_= repmat(v,1,4).*A;
```
bsxfun点将v向量与A的每列相乘。 W和W_都是与A大小相同的矩阵，但第一个矩阵会更快（通常）。
预先计算丢失：我将select作为一个矩阵，在它之前是一个向量。这允许我使用逻辑结构形成变量included。 ~(eye(N))生成一个单位矩阵并对其进行否定。通过逻辑＆＃34;和＆＃34;用select，然后$ i $ th列现在被选中，$ i $ th元素被删除。
您明确地将weights'*s计算为每个for循环中的分母。通过使用上述矩阵进行计算，我们现在可以执行sum(W)，其中W在每列中基本上为weights.*s。
利用逐列操作：var()和sqrt()函数都被编码为沿着矩阵的列工作，以矩阵的形式输出矩阵的动作行向量。

确定。完整的事情。有任何问题让我知道：

% Start with everything selected:
select = true(N);

stop = false; % Stopping flag:
while (~stop)
  % Each column leaves a variable out...
  included = ~eye(N) & select;  

  % This calculates the weights with leave-one-out:
  W = bsxfun(@(x,y)x.*y,weights,included);
  % You can comment out the line below, if you'd like...
  W_= repmat(weights,1,N).*included;  % This is the same as previous line.

  % This calculates the weights before dropping the variables:
  V = bsxfun(@(x,y)x.*y,weights,select);

  % There's different syntax, depending on whether item_c is a 
  %  vector or a matrix...
  if(isvector(item_c))
    HI = (item_c' * V)./(sum(V));
    CI = (item_c' * W)./(sum(W));
  else
    % For example: item_c is a matrix... 
    % We have to use bsxfun() again
    HI = bsxfun(@rdivide, (item_c' * V),sum(V));
    CI = bsxfun(@rdivide, (item_c' * W),sum(W));
  end

  standarderror_afterex = sqrt(var(bsxfun(@minus,HI,CM)));
  standarderror_priorex = sqrt(var(bsxfun(@minus,CI,CM)));
  % or:
  % 
  % standarderror_afterex = sqrt(var(HI - repmat(CM,1,size(HI,2))));
  % standarderror_priorex = sqrt(var(CI - repmat(CM,1,size(CI,2))));


  ratios = (standarderror_afterex - standarderror_priorex)./(abs(mean(W) - sum(V)));

  % Identify the negative ratios:
  negratios = ratios < 0;
  if ~any(negratios) 
    % Drop out of the while-loop:
    stop = true;
  else
    % Find the most negative ratio:
    neginds = find(negratios);
    [mn, mnind] = min(ratios(negratios));

    % Drop out the most negative one...
    select(neginds(mnind),:) = false;  
  end

end % end while(~stop)

% Your output:
s = select(:,1);

如果由于某种原因它无法正常工作，请告诉我。

关于迭代过程的Matlab中的循环结构

1 个答案: