从矩阵列表中计算样本的汇总统计量
我有一个相同维数的矩阵列表，例如：
mat.list=rep(list(matrix(rnorm(n=12,mean=1,sd=1), nrow = 3, ncol=4)),3)
我想做的是从列表中的每个矩阵中对随机列进行多次采样，例如，在给定的样本中，要采样的列索引是：
set.seed(10) #for reproducibility
idx.vec = sample(1:ncol(mat.list[[1]]),length(mat.list))
sample.mat = mapply('[', mat.list, TRUE, idx.vec)
共有1个答案
我将使用replicate、rowmeans表示平均值和rowsdsfromMatrixStats:
ll <- length(mat.list)
nn <- ncol(mat.list[[1]])
replicate(3,{
idx.vec = sample(seq_len(nn),ll)
sample.mat = mapply('[', mat.list, TRUE, idx.vec)
list(mm = rowMeans(sample.mat),sd = rowSds(sample.mat))
},simplify=FALSE)
-
我有一个矩阵。只有唯一的颜色以不同的权重重复它们自己。从它们中，我得选择一半，另一半必须用从第一个中最接近的元素替换。 我想到了在图像中循环，并搜索最近的颜色为当前的一个。找到后，我把一个换成另一个。 但我有3个循环、、。前两个I循环通过RGB矩阵，第三个用于循环到包含最终颜色的矩阵。这需要一些时间来计算。 可以做些什么来加快它的速度？ 循环如下所示： 表示选择为最终颜色的半色。 我可以考虑一些小
-
如上所述，我需要用Python找到矩阵的基-2-对数。当然，我知道公式$log_a(x)=ln(x)/ln(a)$，其中ln是自然对数，但据我所知，这只适用于标量参数x（如果我错了请纠正我）。至少我还没有看到任何论据，为什么这也适用于矩阵。 那么，有人知道是否存在这样一个内置在matrix-log2函数吗？ 或者：由于几年前我使用过Mathematica，所以我知道了MatrixFunction[
-
我有两个列表，每个列表中有两个矩阵。。是否有一种方法可以对它们进行矩阵计算，即相加，其中matrix1中的蓝色矩阵与matrix2中的蓝色矩阵相加，matrix1中的红色矩阵与matrix2中的红色矩阵相加。我能想到的唯一方法是在循环中进行计算 请注意，我将有大约10个，以及不止一组（即蓝色、红色、绿色、紫色）
-
问题内容： 我正在尝试计算Java中的逆矩阵。 我遵循伴随方法（首先计算伴随矩阵，然后转置该矩阵，最后将其乘以行列式值的倒数）。 当矩阵不太大时有效。我检查过，对于尺寸最大为12x12的矩阵，可以快速提供结果。但是，当矩阵大于12x12时，完成计算所需的时间呈指数增长。 我需要反转的矩阵是19x19，并且花费太多时间。消耗更多时间的方法是用于行列式计算的方法。 我使用的代码是： 有人知道如何更有效
-
问题内容： 我想通过Tensorflow计算Jacobian矩阵。 是）我有的： 是损失函数，都是可训练的变量，并且是许多数据。 但是，如果我们增加数据数量，则需要花费大量时间来运行该功能。有任何想法吗？ 问题答案： 假设和是Tensorflow张量，并且取决于： 结果具有形状，并提供的每个元素相对于的每个元素的偏导数。
-
我有一个BigDecimal的列表。 如何使用Java8流获得上述列表的汇总统计信息，而不丢失BigDecimal的3-4位小数的精度？