0

すべてのケースと、別のデータフレームに、これらのケースのクラスとの間の類似性マトリックスがあります。同じクラスのケース間の平均類似度を計算したいのですが、クラスjの例nの方程式を次に示します。

ケース間の平均近接度

nと、nと同じクラスに由来するすべてのケースkとの間のすべての2乗近接度の合計を計算する必要があります。リンク:http ://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm#outliers

2つのforループを使用して実装しましたが、非常に低速です。Rでそのようなことをするより速い方法はありますか?

ありがとう。

// DATA(dput)

クラスのあるデータフレーム:

structure(list(class = structure(c(1L, 2L, 2L, 1L, 3L, 3L, 1L, 
                            1L, 2L, 3L), .Label = c("1", "2", "3", "5", "6", "7"), class = "factor")), .Names = "class", row.names = c(NA, 
            -10L), class = "data.frame")

近接行列(行mと列mは、上記のデータフレームの行mのクラスに対応します):

structure(c(1, 0.60996875, 0.51775, 0.70571875, 0.581375, 0.42578125, 
0.6595, 0.7134375, 0.645375, 0.468875, 0.60996875, 1, 0.77021875, 
0.55171875, 0.540375, 0.53084375, 0.4943125, 0.462625, 0.7910625, 
0.56321875, 0.51775, 0.77021875, 1, 0.451375, 0.60353125, 0.62353125, 
0.5203125, 0.43934375, 0.6909375, 0.57159375, 0.70571875, 0.55171875, 
0.451375, 1, 0.69196875, 0.59390625, 0.660375, 0.76834375, 0.606875, 
0.65834375, 0.581375, 0.540375, 0.60353125, 0.69196875, 1, 0.7194375, 
0.684, 0.68090625, 0.50553125, 0.60234375, 0.42578125, 0.53084375, 
0.62353125, 0.59390625, 0.7194375, 1, 0.53665625, 0.553125, 0.513, 
0.801625, 0.6595, 0.4943125, 0.5203125, 0.660375, 0.684, 0.53665625, 
1, 0.8456875, 0.52878125, 0.65303125, 0.7134375, 0.462625, 0.43934375, 
0.76834375, 0.68090625, 0.553125, 0.8456875, 1, 0.503, 0.6215, 
0.645375, 0.7910625, 0.6909375, 0.606875, 0.50553125, 0.513, 
0.52878125, 0.503, 1, 0.60653125, 0.468875, 0.56321875, 0.57159375, 
0.65834375, 0.60234375, 0.801625, 0.65303125, 0.6215, 0.60653125, 
1), .Dim = c(10L, 10L))

正しい結果:

c(2.44197227050781, 2.21901680175781, 2.07063155175781, 2.52448621289062, 
1.88040830957031, 2.16019295703125, 2.58622273828125, 2.81453253222656, 
2.1031745078125, 2.00542063378906)
4

1 に答える 1

1

可能であるはずです。あなたの記法では、同じクラスのメンバーが行または列にあるかどうかが明確になっていないため、この回答は列にあると想定していますが、行にある場合は明らかな変更も機能します。

colSums(mat^2))  # in R this is element-wise application of ^2 rather than matrix multiplication.

両方の操作がベクトル化されているため、forループよりもはるかに高速であることが期待されます。

変更を加え、マトリックスの名前が「mat」で、クラスデータフレームの名前が「cldf」であると仮定すると、次のようになります。

sapply( 1:nrow(mat) , 
           function(r) sum(mat[r, cldf[['class']][r] ==  cldf[['class']] ]^2)  )
[1] 2.441972 2.219017 2.070632 2.524486 1.880408 2.160193 2.586223 2.814533 2.103175 2.005421

于 2012-10-03T21:59:17.037 に答える