R中的非规范化矩阵

我在R中有一个N×K的矩阵，其中每行都是一个观察值，每列是一个具有固定下限和上限的变量。R中的非规范化矩阵

我的矩阵初始设置值介于0和1之间。什么是去归一化矩阵的最好方法？我使用下列的函数：

denormalizeMult = function(m, lb, ub) 
{ 
nobs = nrow(m) 
nvars = ncol(m) 
lbDiag = diag(lb, ncol = nvars) 
rangeM = diag(ub - lb, ncol = nvars) 

m%*%rangeM + matrix(rep(lb, nobs), nrow = nobs, byrow = TRUE) 
} 

# Example: 
# 3 variables, 9 observations 
x = matrix(runif(3*9), ncol = 3) 

# to denormalize a variable xi, just do lb[i] + (ub[i] - lb[i])*xi 
# ranges for each variable 
lb = c(-1,-2,-3) 
ub = c(1,2,3)

第一可变范围从-1到1，第二个从-2到2，等等... 另一种解决方案是：

denormalize2 = function(population) 
    { 
    r = nrow(population) 
    c = ncol(population) 
    decm = matrix(rep(0, r*c), r, c) 

    for(i in 1:r) 
      decm[i,] = lb + (ub - lb) * population[i,]  
    decm 
}

有没有一种简单（而且更快）的方法来实现这一点？谢谢！

编辑：从答案结果如下：

Results from the answers below:

来源

2012-07-08 Fernando

请提供最小的示例数据集，带'm'，'lb'和'ub'。如果没有这个，我只是建议你看看''sweep'。 – 2012-07-08 04:30:38

谢谢，我编辑了这个问题。 – Fernando 2012-07-08 05:11:21

我觉得你填写'lbM'和'rangeM'的方式有问题。你应该使用'rep（...，each = nobs）'还是'matrix（...，byrow = TRUE）'？ – flodel 2012-07-08 05:20:51

您可以使用双转：

t(lb + t(x) * (ub - lb))

来源

2012-07-08 05:28:23 flodel

这看起来不错，谢谢！ – Fernando 2012-07-08 05:41:41

下面是使用sweep()的解决方案：

## Example data 
x <- matrix(c(0,0.5,1), nrow=3, ncol=3) # A better example for testing 
lb = c(-1,-2,-3) 
ub = c(1,2,3) 

sweep(sweep(x, 2, ub-lb, FUN="*"), 2, lb, FUN="+") 
#  [,1] [,2] [,3] 
# [1,] -1 -2 -3 
# [2,] 0 0 0 
# [3,] 1 2 3

来源

2012-07-08 05:22:52

谢谢，结果与我上面的第一个解决方案相匹配......现在我不知道哪一个更有效 - 我会尝试一些测试！ – Fernando 2012-07-08 05:33:51

我不会为它出汗。在我看来，flodel的解决方案更聪明，更优雅，而我的*可能更容易看到，并很快看到它的作用和方式。 – 2012-07-08 05:50:12

我用2000x10矩阵运行了一些测试，每个功能运行1000次。结果（用户，系统，经过）：** sweepFunction ** =（1.544，0.860，2.382）。 ** matrixMultFunction ** =（1.227，0.772，1.981）。 ** transposeFunction ** =（0.658，0.955，1.598） - 再次感谢 – Fernando 2012-07-08 06:04:27

R中的非规范化矩阵

回答

相关问题