Matlab中稀疏矩阵的行归一化为零均值
我有一个大的m*n稀疏矩阵Y。我想规范化Y的每一行,这样每一行的平均值为零 我第一次试过这个。但是每行的平均值也会从零项中减去,这不是我想要的Matlab中稀疏矩阵的行归一化为零均值,matlab,sparse-matrix,normalize,bsxfun,Matlab,Sparse Matrix,Normalize,Bsxfun,我有一个大的m*n稀疏矩阵Y。我想规范化Y的每一行,这样每一行的平均值为零 我第一次试过这个。但是每行的平均值也会从零项中减去,这不是我想要的 Ynorm = bsxfun(@minus, Y, Ymean); 然后我试了这个 [m, n] = size(Y); nonZeroNum = nnz(Y); Ynorm = spalloc(m,n,nonZeroNum); for i = 1:m Ynorm(i, :) = spfun(@(x)(x - Ymean(i)), Y(i,
Ynorm = bsxfun(@minus, Y, Ymean);
然后我试了这个
[m, n] = size(Y);
nonZeroNum = nnz(Y);
Ynorm = spalloc(m,n,nonZeroNum);
for i = 1:m
Ynorm(i, :) = spfun(@(x)(x - Ymean(i)), Y(i, :));
end
但是,这种非矢量化的解决方案速度太慢
我也想过将bsxfun和spfun结合起来,但没有成功
有人有矢量化的解决方案吗 放松点,小豌豆
随机稀疏矩阵
A = sprand(100,100,.05);
明白了吗。如果一行中没有非零元素,我们将期望0/0=NaN,但下一步将永远不会触及该行
rowmeans = sum(A,2)./sum(A~=0,2);
提取非零
[i,j.a] = find(A);
然后还原数组,平均值减去
[n,m] = size(A);
B = sparse(i,j,a - rowmeans(i),n,m);
现在,测试它。别忘了这里应用浮点运算,所以行平均值不会完全为零,只在eps的数量级上
min(mean(B,2))
ans =
(1,1) -1.5543e-17
max(mean(B,2))
ans =
(1,1) 1.1657e-17
似乎是对的,完全矢量化了。为了让您确信结果确实是稀疏的,并且零元素没有被破坏,下面是spy的结果
spy(B)
[i,j.a]=查找(a);应该是[i,j,a]=find(a);我说得对吗?