Python 高效地计算转移矩阵(m*m)*(n*n)的元素乘积,得到(mn*mn)矩阵
分别考虑形状(m,m)和(n,n)的输入矩阵X和Y。作为一个输出,我们需要给出一个(mn,mn)形状矩阵,以便它将两个矩阵中的相应条目相乘。 这两个矩阵X和Y表示转移矩阵。下面的示例可以用来说明所需的输出。这里,X是一个3*3矩阵,Y是一个2*2矩阵Python 高效地计算转移矩阵(m*m)*(n*n)的元素乘积,得到(mn*mn)矩阵,python,matrix,numpy,hidden-markov-models,Python,Matrix,Numpy,Hidden Markov Models,分别考虑形状(m,m)和(n,n)的输入矩阵X和Y。作为一个输出,我们需要给出一个(mn,mn)形状矩阵,以便它将两个矩阵中的相应条目相乘。 这两个矩阵X和Y表示转移矩阵。下面的示例可以用来说明所需的输出。这里,X是一个3*3矩阵,Y是一个2*2矩阵 Matrix X -------------- x1 x2 x3 x1| a b c x2| d e f x3| g h i Matrix Y -------------- y1 y2
Matrix X
--------------
x1 x2 x3
x1| a b c
x2| d e f
x3| g h i
Matrix Y
--------------
y1 y2
y1| j k
y2| l m
Matrix Z (Output)
----------------------------------------
x1y1 x1y2 x2y1 x2y2 x3y1 x3y2
x1y1| aj ak bj bk cj ck
x1y2| al am bl bm cl cm
x2y1| dj dk ej ek fj fk
.
.
以下是我为此任务编写的非矢量化函数:
def transition_multiply(X,Y):
num_rows_X=len(X)
num_rows_Y=len(Y)
out=[]
count=0
for i in range(num_rows_X):
for j in range(num_rows_Y):
out.append([])
for x in X[i]:
for y in Y[j]:
out[count].append(x*y)
count+=1
return out
X=[[1,2,3],[2,3,4],[3,4,5]]
Y=[[2,4],[1,2]]
import numpy
print transition_multiply(numpy.array(X),numpy.array(Y))
我确实得到了所需的输出,但意识到非矢量化版本会非常慢。使用Numpy将此计算矢量化的最佳方法是什么
对于那些感兴趣的人,为什么需要这种计算。从组成转移矩阵生成阶乘隐马尔可夫模型的转移矩阵时需要它。这是,请参见numpy文档