Matrix 有效地将向量解压为二进制矩阵倍频程

在八度音阶上，我尝试以以下格式解压向量：

y = [ 1  
      2  
      4  
      1 
      3 ]

我想返回一个维度矩阵（行（y）x最大值（y）），其中，对于每一行，我在原始数字值的列中有一个1，在其他地方有一个0，即上面的示例

y01 = [ 1 0 0 0
        0 1 0 0
        0 0 0 1
        1 0 0 0
        0 0 1 0 ]

到目前为止我有

y01 = zeros( m, num_labels );
for i = 1:m
    for j = 1:num_labels
        y01(i,j) = (y(i) == j);
    end
end

这是可行的，但对于更大的矩阵来说速度会变慢，而且似乎效率很低，因为它在每一个值之间循环，即使大多数值没有改变

我在上为R找到了这个：

f3使用稀疏矩阵（这也节省了大量内存），可以像往常一样用于进一步的计算：

y = [1; 2; 4; 1; 3]
y01 = sparse (1:rows (y), y, 1)

如果你真的想要一个完整的矩阵，那么使用“full”：

当矩阵较大时，稀疏是一种更有效的方法。
如果结果的维度不是很高，可以尝试以下方法：

y = [1; 2; 4; 1; 3]
I = eye(max(y));
y01 = I(y,:)

结果与full（稀疏（…）相同）

另一种可能性是：

y = [1; 2; 4; 1; 3]
classes = unique(y)(:)
num_labels = length(classes)
y01=[1:num_labels] == y 

具有以下详细打印输出：

y =    
   1
   2
   4
   1
   3

classes =    
   1
   2
   3
   4

num_labels =  4
y01 =

  1  0  0  0
  0  1  0  0
  0  0  0  1
  1  0  0  0
  0  0  1  0

y01 =

   1   0   0   0
   0   1   0   0
   0   0   0   1
   1   0   0   0
   0   0   1   0

y = [1; 2; 4; 1; 3]
classes = unique(y)(:)
num_labels = length(classes)
y01=[1:num_labels] == y 

y =    
   1
   2
   4
   1
   3

classes =    
   1
   2
   3
   4

num_labels =  4
y01 =

  1  0  0  0
  0  1  0  0
  0  0  0  1
  1  0  0  0
  0  0  1  0

% Vector y to Matrix Y
Y = zeros(m, num_labels);

% Loop through each row
for i = 1:m
    % Use the value of y as an index; set the value matching index to 1
    Y(i,y(i)) = 1;
end