Question

我有一个函数可以计算两个元素之间调整后的余弦相似度，类似于：

def sim(x,y,M):
    filtered = M[(M[:, x] > 0) & (M[:, y] > 0)]
    m = np.average(filtered, axis=1, weights=filtered.astype(bool))
    i = filtered[:, x] - m
    j = filtered[:, y] - m
    return np.sum(i * j) / (np.linalg.norm(i) * np.linalg.norm(j))

我还有一个n * n矩阵，我想为每一对得到sim（），即0,0-n，n。目前我正在使用两个for循环来做这个，它运行良好，但它很慢：

def get_matrix(M):
    new_mat = []
    for x in range(3):
        for y in range(3):
            new_mat.append(sim(x,y,M))
    return np.reshape(new_mat, (3,3))

有更有效的方法吗？ M（ mn ）和mat（ nn ）的尺寸不同。

编辑：

My M看起来像这样：

[[   0.  100.  300.]
 [ 100.  200.    0.]
 [ 250.  150.    0.]
 [ 250.  200.    0.]]

作为输出，我希望在这种情况下需要一个大小为3x3的矩阵（new_mat），它包含每个项目之间的相似性，简化：

[[  1.  -1.  -1.]
 [ -1.   1.  -1.]
 [ -1.  -1.   1.]]

将函数应用于numpy矩阵中的每个元素

0 个答案: