更改矩阵之间给定索引的数字

Question

我正在为我的一项 matlab 作业而苦苦挣扎。我想创建 10 个不同的模型。它们中的每一个都基于相同的原始数组，尺寸为 1x100 m_est。然后使用 for 循环，我从原始模型中选择 5 个随机值，并希望向它们中的每一个添加相同的随机值。循环重复 10 次，每次选择不同的值并添加不同的随机数。这是我的代码的一部分：

steps=10;

for s=1:steps

    for i=1:1:5
        rl(s,i)=m_est(randi(numel(m_est))); 
        rl_nr(s,i)=find(rl(s,i)==m_est);
        a=-1;
        b=1;
        r(s)=(b-a)*rand(1,1)+a; 
    end
    pert_layers(s,:)=rl(s,:)+r(s); 
    M=repmat(m_est',s,1); 

end

for k=steps
    for m=1:1:5
        M_pert=M;
        M_pert(1:k,rl_nr(k,1:m))=pert_layers(1:k,1:m);
    end
end 

在矩阵 M 中，我存储了 10 个初始模型，并希望用 rl_nr 矩阵中的索引替换随机数到存储在 pert_layers 矩阵中的那些。但是，负责将值从 pert_layers 分配给 rl_nr 索引的最后一个循环无法正常工作。

有人知道怎么解决吗？

最好的问候

Answer 1

您的代码使用了很多循环，在这种特殊情况下，它的效率非常低。如果你真的矢量化你的代码会更好。因此，让我一次过一遍您的问题描述，然后让我们编写每个部分的代码（如果适用）：

我想创建 10 个不同的模型。它们中的每一个都基于相同的原始数组，尺寸为 1x100 m_est。

我将此解释为您有一个包含 100 个元素的数组 m_est，并且您希望使用该数组创建 10 个不同的“模型”，其中每个模型是从 m_est 采样的 5 个元素。 rl 将存储来自m_est 的这些值，而rl_nr 将存储这些值源自的索引/位置。此外，对于每个模型，您希望为该模型的每个元素添加一个随机值。

然后使用 for 循环，我从原始模型中选择 5 个随机值，并希望为每个随机值添加相同的随机值。

不要使用for 循环执行此操作，而是一次性生成所有随机索引。由于您有 10 个步骤，并且我们希望每步骤采样 5 个点，因此您总共有 10*5 = 50 个点。因此，您为什么不改用randperm 呢？ randperm 正是您正在寻找的，我们可以使用它来生成唯一的随机索引，以便我们最终可以使用它从 m_est 中采样。 randperm 生成从 1 到 N 的向量，但返回这些元素的随机排列。这样，您只会得到从1 到N 枚举的数字，并且我们将确保不会重复。因此，只需使用randperm 生成 50 个元素，然后将该数组重新整形为大小为10 x 5 的矩阵，其中行数告诉您您想要的步数，而列数是总数每个模型的分数。因此，请执行以下操作：

num_steps = 10;
num_points_model = 5;
ind = randperm(numel(m_est));
ind = ind(1:num_steps*num_points_model);
rl_nr = reshape(ind, num_steps, num_points_model);
rl = m_est(rl_nr);

前两行非常简单。我们只是声明了您要采取的总步数，以及每个模型的总点数。接下来，我们要做的是生成长度为 100 的随机排列，其中元素从 1 到 100 枚举，但它们是随机顺序的。您会注意到，这个随机向量只恰好使用了 1 到 100 范围内的一个值。因为您只想获得总共 50 个点，所以只需对该向量进行子集化，以便我们仅获得从 randperm 生成的前 50 个随机索引。这些随机索引存储在ind。

接下来，我们简单地将ind 重塑为10 x 5 矩阵以得到rl_nr。 rl_nr 将包含用于从大小为 10 x 5 的 m_est 中选择这些条目的索引。最后，rl 将是一个与rl_nr 大小相同的矩阵，但它将包含从m_est 采样的实际随机值。这些随机值对应于从rl_nr 生成的那些索引。

现在，最后一步是为每个模型添加相同的随机数。您当然可以使用repmat 复制一个包含 10 个元素长的随机列向量，并将它们复制 5 次，这样我们就有 5 列，然后将此矩阵与 rl.... 相加，如下所示：

a = -1;
b = 1;
r = (b-a)*rand(num_steps, 1) + a;
r = repmat(r, 1, num_points_model);
M_pert = rl + r;

现在M_pert 是您想要的最终结果，我们获取存储在rl 中的每个模型，并将相同的随机值添加到矩阵中的每个对应模型。但是，如果我可以提出更有效的建议，我建议您改用 bsxfun，它会在后台执行此复制。本质上，上面的代码将被替换为：

a = -1;
b = 1;
r = (b-a)*rand(num_steps, 1) + a;
M_pert = bsxfun(@plus, rl, r);

更容易阅读，代码更少。 M_pert 将在每一行中包含您的模型，并为每个特定模型添加相同的随机值。

循环重复10次，每次选择不同的值并添加不同的随机数。

以上步骤已经完成。

---

我希望您不会觉得完全重写代码以使其更加矢量化是一种强迫，但我认为这是向您展示 MATLAB 必须提供的一些更高级功能以及生成随机值的更有效方法，而不是一次循环和生成一个值。

希望这能让您入门。祝你好运！