在matlab中稀疏化内核/相似度矩阵

Question

我正在做一些内核 PCA 并想要稀疏矩阵。我在 Python 中做了所有事情，现在想将我的代码转换为 matlab 进行比较。

我在想稀疏化内核矩阵的时候有点挣扎。在 Python 中，这对我来说非常简单。这是一个简单矩阵的示例，可以向您展示我的意思：

import numpy as np
print('Sparsify a matrix by zeroing all elements but the top 2 values in a row.\n')

A = np.array([[1,2,3,4,5],[9,8,6,4,5],[3,1,7,8,9]])

print('Before:\n%s\n' %A)

for row in A:
    sort_idx = np.argsort(row)[::-1] # get indexes of sort order (high to low)
    for i in sort_idx[2:]:
        row[i]=0

print('After:\n%s\n' %A)

Sparsify a matrix by zeroing all elements but the top 2 values in a row.

Before:
[[1 2 3 4 5]
 [9 8 6 4 5]
 [3 1 7 8 9]]

After:
[[0 0 0 4 5]
 [9 8 0 0 0]
 [0 0 0 8 9]]

那么，我将如何在 matlab 中做到这一点？

如果你能在这里帮助我，那就太好了。是否有等效于argsort 的方法，即连续获取例如 3 个最低值以便我可以将它们设置为 0？

Answer 1

一种方法 -

[m,n] = size(A); %// get size
[~,col_ind]= sort(A,2,'descend') %// sort the rows in descending order
A(bsxfun(@plus,(col_ind(:,3:end)-1)*m,[1:m]'))=0 %// get all indices other than 
             %// for top 2 values in each row and set those in A to zero

请记住，使用这种方法时，将保留最大值和第二最大值的第一个匹配项。

示例运行 -

A (Before) =
     1     2     3     4     5
     9     8     6     4     5
     3     1     7     8     9
     5     6     2     6     7

A (After) =
     0     0     0     4     5
     9     8     0     0     0
     0     0     0     8     9
     0     6     0     0     7