Matlab N维直方图计数

我目前正试图编写一个函数，使用直方图计数为向量集合分配概率。这基本上是一个计数练习，但需要一些技巧才能有效地实现。我会举例说明：

假设我有一个矩阵

X=[x1，x2…xM]

，有

N

行和

M

列。这里，

X

表示

M

，

N

维向量的集合。换句话说，

X

的每一列都是

N

维向量

例如，我们可以使用以下方法为

M=10000

向量和

N=5

维度生成这样的

X

：

X = randint(5,10000)

这将生成一个由0和1组成的5 x 10000矩阵，其中每列表示一个由1和0组成的5维向量

我想通过一个基本的直方图计数为每个向量分配一个概率。步骤很简单：首先找到

X

的唯一列；其次，计算每个唯一列出现的次数。特定事件发生的概率是该列在X中的#次/在

X

中的总列数

回到上面的例子，我可以使用MATLAB中的

unique

函数执行第一步，如下所示：

UniqueXs = unique(X','rows')' 

上面的代码将返回

UniqueXs

，这是一个包含

N

行的矩阵，其中只包含唯一的X列。请注意，转置是由于奇怪的MATLAB输入要求造成的

然而，我无法找到一个好方法来计算UniqueX中每个列在X中的次数。所以我想知道是否有人有任何建议

概括地说，我可以想出两种实现计数步骤的方法。第一种方法是使用

find

功能，尽管我认为这可能会很慢，因为

find

是一种元素操作。第二种方法是递归调用

unique

，因为它还可以提供

X

中唯一列的one索引。这将允许我们从

X

中删除该列，并在结果

X

上重新执行

unique

，并继续计数

---

理想情况下，我认为

unique

可能已经在进行一些计数，因此最有效的方法可能是在没有内置函数的情况下工作。

这里有两个解决方案，一个假设所有值都是0或1（就像您描述中的示例），另一个则不是。即使是在大数据上，这两种代码都应该非常快（二进制值的代码更是如此）

1） 只有零和一 2） 任意正整数 现在我们可以看到，例如，每个“唯一向量”发生了多少次：

>> table = sortrows([GN num2cell(count)])
table = 
    '000064850843749'    [1]       # original vector is: [0 64 850 843 749]
    '000130170550598'    [1]       # and so on..
    '000181606710020'    [1]
    '000220492735249'    [1]
    '000275871573376'    [1]
    '000525617682120'    [1]
    '000572482660558'    [1]
    '000601910301952'    [1]
    ...

---

请注意，在我的随机数据示例中，向量空间变得非常稀疏（随着最大可能值的增加），因此，如果所有计数都等于1，我不会感到惊讶…

这里有两个解决方案，一个假设所有值都是0或1（就像您描述中的示例），另一个则不是。即使是在大数据上，这两种代码都应该非常快（二进制值的代码更是如此）

1） 只有零和一 2） 任意正整数 现在我们可以看到，例如，每个“唯一向量”发生了多少次：

>> table = sortrows([GN num2cell(count)])
table = 
    '000064850843749'    [1]       # original vector is: [0 64 850 843 749]
    '000130170550598'    [1]       # and so on..
    '000181606710020'    [1]
    '000220492735249'    [1]
    '000275871573376'    [1]
    '000525617682120'    [1]
    '000572482660558'    [1]
    '000601910301952'    [1]
    ...

---

请注意，在我的随机数据示例中，向量空间变得非常稀疏（随着最大可能值的增加），因此，如果所有计数都等于1，我不会感到惊讶…

N会有多大？如果很小，您可能希望将列向量视为二进制字符串。因此，它们可以用整数表示。Thanks@BerkU.：我想到了一个有效的解决方案（通过将列转换为字符串），但只有当值都是0和1时，它才会起作用。总是这样吗？@eat:不知怎的，我没看到你的评论！看起来你已经提出了我的想法…@Amro:是的，但是让我们等一下OP能对这个案子有什么更多的评论。Thanks@Amro不幸的是，情况并非总是如此。在更一般的设置中，每行中的条目可以具有有限的值集（即，第一行中的条目可以是{1,2,3}，第二行中的条目可以是{4,5,6}）。这有帮助吗？有多大？如果很小，您可能希望将列向量视为二进制字符串。因此，它们可以用整数表示。Thanks@BerkU.：我想到了一个有效的解决方案（通过将列转换为字符串），但只有当值都是0和1时，它才会起作用。总是这样吗？@eat:不知怎的，我没看到你的评论！看起来你已经提出了我的想法…@Amro:是的，但是让我们等一下OP能对这个案子有什么更多的评论。Thanks@Amro不幸的是，情况并非总是如此。在更一般的设置中，每行中的条目可以具有有限的值集（即，第一行中的条目可以是{1,2,3}，第二行中的条目可以是{4,5,6}）。这有用吗？

>> table = sortrows([GN num2cell(count)])
table = 
    '000064850843749'    [1]       # original vector is: [0 64 850 843 749]
    '000130170550598'    [1]       # and so on..
    '000181606710020'    [1]
    '000220492735249'    [1]
    '000275871573376'    [1]
    '000525617682120'    [1]
    '000572482660558'    [1]
    '000601910301952'    [1]
    ...