我需要做一个像这样工作的功能:
N1 = size(X,1);
N2 = size(Xtrain,1);
Dist = zeros(N1,N2);
for i=1:N1
for j=1:N2
Dist(i,j)=D-sum(X(i,:)==Xtrain(j,:));
end
end
(X和Xtrain是稀疏逻辑矩阵)
它工作正常并通过了测试,但我相信它不是非常优化且写得很好的解决方案。
如何使用一些内置的Matlab函数改进该函数?我是Matlab的新手,所以我不知道是否真的有机会以某种方式让它变得更好。
答案 0 :(得分:4)
你想学习矢量化,这里有一些代码来研究比较这种成对距离的不同实现。
首先,我们构建两个二进制矩阵作为输入(其中每一行都是一个实例):
m = 5;
n = 4;
p = 3;
A = double(rand(m,p) > 0.5);
B = double(rand(n,p) > 0.5);
D0 = zeros(m,n);
for i=1:m
for j=1:n
D0(i,j) = sum(A(i,:) ~= B(j,:)) / p;
end
end
D1 = pdist2(A, B, 'hamming');
D2 = zeros(m,n);
for i=1:n
D2(:,i) = sum(bsxfun(@ne, A, B(i,:)), 2) ./ p;
end
D3 = zeros(m,n);
[x,y] = ndgrid(1:m,1:n);
D3(:) = sum(A(x(:),:) ~= B(y(:),:), 2) ./ p;
D4 = sum(bsxfun(@ne, A, reshape(B.',[1 p n])), 2) ./ p;
D4 = permute(D4, [1 3 2]);
最后我们比较所有方法是否相等
assert(isequal(D0,D1,D2,D3,D4))