Performance 提高嵌套循环MATLAB的性能

我试图分析大量数据，这使得我的程序运行速度非常慢。 我正在将数据集从.txt文件读入单元格数组。 我正在使用一个单元格数组，因为为了对我的数据进行分类，它是两个属性的形式，我需要的类是字符

我想使用最近的平均值分类器来查找重新替换错误。 我有一个主要的外部循环，它循环通过我的数据集的每一行（成千上万）。每一行依次删除，每次迭代一行。在每次迭代中，删除线后，重新计算两个属性的平均值。主要挂起点似乎是下一节，我要计算数据集中的每一行：

• 该行上的数据（2个属性值）与 我每门课的平均分
• 然后我想记录属性平均值最接近其平均值的类，这将是其指定的类
• 最后，我想检查这个指定的类是否正确 班级

目前这个循环看起来像这样

errorCount = 0;
for l = 1:20000
    closest = 100;
    class = 0;
    attribute1 = d{2}(l);
    attribute2 = d{3}(l);
    for m = 1:numel(classes)
        dist = sqrt((attribute1-meansattr1(m))*(attribute1-meansattr1(m)) + (attribute2-meansattr2(m))*(attribute2-meansattr2(m)));
        if dist < closest
            closest = dist;
            class = m;
        end
    end

    if strcmp(d{1}(l),classes(class))
        %correct
    else
        errorCount = errorCount + 1;
    end
end

errorCount=0；
对于l=1:20000
最近值=100；
类别=0；
attribute1=d{2}（l）；
attribute2=d{3}（l）；
对于m=1:numel（类）
dist=sqrt（（attribute1-meansattr1（m））*（attribute1-meansattr1（m））+（attribute2-meansattr2（m））*（attribute2-meansattr2（m））；
如果距离<最近
最近的=距离；
类别=m；
结束
结束
如果strcmp（d{1}（l），类（class））
%正确的
其他的
errorCount=errorCount+1；
结束
结束

d

是我的单元格数组，其中

d{2}

是保存属性1值的列。对于该列的第一行，我使用

d{1}（1）

访问这些值

类

是我的数据集中唯一的类，因此对于我的每个类，我计算到它的欧几里德距离

meansattr1

和

meansattr2

是包含我的每个属性的平均值的数组。当删除一条线时，这些将在外部循环的每次迭代中更新

---

希望这能帮助您理解我的代码。非常感谢在优化和加速这些计算方面的任何帮助

最简单的速度改进是删除

sqrt

调用。找到最近距离的平方与最近距离完全相同

接下来，可以对内部循环进行矢量化。我已经很久没有使用MatLab了，所以我可能会弄错下面的代码，但是我的想法是将这两个属性转换成一个长度

numel（classes）

的向量。然后您可以直接计算差异并将其平方

大概是这样的：

d1 = attribute1 - meansattr1;
d2 = attribute2 - meansattr2;
[closest, class] = min( d1 .* d1 + d2 .* d2 );

---

顺便说一句，使用

class

作为变量不是一个好主意（如果可以的话）。这是一个保留字。

我从paddy的解决方案开始，简单地替换变量名：

[closest, cl] = min( (d{2}(m) - meansattr1).^2 +(d{3}(m) - meansattr2).^
2);

因此，我们有一个单行for循环的通用策略：将其作为函数并放入arrayfun：

f=@(x)min( (d{2}(x) - meansattr1).^2 +(d{3}(x) - meansattr2).^2)
[sqclosest,cl]=arrayfun(f,1:numel(d{2}));

%If necessary real distances could be calculated:
%closest=sqrt(sqclosest)

errorCount=sum(arrayfun(@(x,c)(1-strcmp(x,classes(c))),d{1},cl))

---

注意：不要将“class”或任何其他保留字用于其他目的。

您实际上是在优化k-means算法的迭代部分，因此您可以参考将其矢量化的方法。然而，下面是如何解决您的问题和数据格式

取如下所示的随机数据集

numClasses = 5;
numPoints = 20e3;
numDims = 2;

classes = strsplit(num2str(1:numClasses));

% generate random data (expected error rate of (numClasses-1)/numClasses)
d{1} = classes(randi(numClasses,numPoints,1));
d{2} = rand(numPoints,1);
d{3} = rand(numPoints,1);

% random initial class centers
meansattr1 = rand(5,1);
meansattr2 = rand(5,1);

压缩并存储每个点的最接近类ID的代码以及到该类的距离：

closestDistance = zeros(numPoints,1);  nearestCluster = zeros(numPoints,1);
errorCount = 0;
for l = 1:numPoints
    closest = 100; iclass = 0;
    attribute1 = d{2}(l); attribute2 = d{3}(l);

    for m = 1:numel(classes)
        dist = sqrt((attribute1-meansattr1(m))*(attribute1-meansattr1(m)) + ...
            (attribute2-meansattr2(m))*(attribute2-meansattr2(m)));
        if dist < closest
            closest = dist; closestDistance(l) = closest;
            iclass = m; nearestCluster(l) = iclass;
        end
    end

    if ~strcmp(d{1}(l),classes(iclass))
        errorCount = errorCount + 1;
    end
end

errorCount

、

closestDistance

和

nearestCluster

中的结果与前面的解决方案相同。您可以删除sqrt，并在

errorCount

和

nearestCluster

中获得与代码注释所示相同的结果

假设您要执行更新

meansattr1

和

meansattr2

的下一步：

% Calculate the NEW cluster centers (mean the data)
meansattr_new = zeros(numClasses,numDims);
clustersizes = zeros(numClasses,1);
for ii=1:numClasses,
    indk = nearestCluster==ii;
    clustersizes(ii) = nnz(indk);
    meansattr_new(ii,:) = mean(data(indk,:))';
end

meansattr1_next = meansattr_new(:,1);
meansattr2_next = meansattr_new(:,2);

---

将这一切都放在jj=1:MAXITER的

while errorCount>THRESH

或

中，你应该得到你想要的。
最简单的速度改进是删除
sqrt
调用。查找最近距离的平方与最近距离完全相同。如果使用了距离，则缺少“最近的=strt（最近的）”。变量包含平方距离。当然，但原始代码也没有显示使用该距离的位置。在所有的循环之后，使用
sqrt
是很容易的。谢谢，通过这种方式，性能得到了一定的提高。我将不得不看看我的程序的其他方面，看看我可以在哪里做类似的增强。
% Calculate the NEW cluster centers (mean the data)
meansattr_new = zeros(numClasses,numDims);
clustersizes = zeros(numClasses,1);
for ii=1:numClasses,
    indk = nearestCluster==ii;
    clustersizes(ii) = nnz(indk);
    meansattr_new(ii,:) = mean(data(indk,:))';
end

meansattr1_next = meansattr_new(:,1);
meansattr2_next = meansattr_new(:,2);