Найдите индексы в каждом столбце и интеллектуально усредните значения в том же столбце на основе индексов.

У меня есть матрица, в которой каждый столбец не зависит друг от друга. Тем не менее, каждый столбец имеет минимум 0 и максимум 1, это вероятность. Однако не обязательно, чтобы каждый столбец содержал только один 1. Это создаст мне проблему, когда я попытаюсь найти индексы каждого столбца, состоящего из 1. Индексы будут использоваться для извлечения значения другой матрицы, скажем, матрицы положения. Если он содержит два 1, значения должны быть усреднены. Пример кода:

prob=[rand(4,1) rand(4,1) rand(4,1)];
max_prob_idx=find(prob==1);
%extract from position matrix
pos=rand(4,3);
extracted_pos=pos(max_prob_idx); %this is wrong, look example below

Из приведенного выше кода я получу вектор-столбец extracted_pos. Это испортило мое извлечение данных. Численно:

prob=[1    0    1 
      0.1  1    0.8
      0.2  0.5  1
      0.3  1    1]

max_prob_idx=[1; 6; 8; 9; 11; 12];

pos=[1 5 9
     2 6 10
     3 7 11
     4 8 12]

extracted_pos=[1; 6; 8; 9; 11; 12]; %6x1 matrix

Мне не хватает чего-то промежуточного, так что мой окончательный ожидаемый extracted_pos будет

extracted_pos=[1; (6+8)/2; (9+11+12)/3]; %3x1 matrix

Я знаю, что это выглядит довольно грязно, но я не могу придумать другого способа объяснить мою проблему здесь. Можно ли это сделать? Или есть другой способ сделать это? Заранее спасибо!


matlab indexing matrix
person Gregor Isack    schedule 22.10.2017    source источник

Ответы (1)


arrow_upward
3
arrow_downward 

% generate position matrix
pos = reshape(1:numel(prob),size(prob)); % technically the reshape is not necessary, a vector 1:numel(prob) would do it too, but I find it nicer.
% empty NaN matrix
P = nan(size(prob)); 
% extract 1 values
P(prob==1) = pos(prob==1);  % with real data you might have to make a check with tolerance
% mean of each column
extracted_pos = mean(P,1,'omitnan');

extracted_pos может, конечно, содержать числа с плавающей запятой - вам решать, как с ними обращаться

person Leander Moesinger    schedule 22.10.2017
comment
Ты гений! Большое спасибо! - person Gregor Isack; 22.10.2017
comment
nanmean из набора инструментов статистики и машинного обучения. Вместо этого используйте mean с 'omitnan' - person Sardar Usama; 22.10.2017