如何在matlab中「矢量化」corrcoeff？

-1

因爲我聽說循環在MATLAB中一般不好，我嘗試向量化我的代碼。如何在matlab中「矢量化」corrcoeff？

我有以下代碼：

for dp_point = 1:useDPs 
    cc = corrcoef(Traces(:,dp_point), hws(:,dp_point)); 
    delta(dp_point) = cc(2); 
end;

這產生以1×useDPs大小，其中useDPs上升到1.000.000

增量矩陣它計算的相關係數爲每列並保存在三角洲，因此它是一個非常長的循環，我想優化它的matlab。

我的嘗試：

delta = corrcoef(Traces(:,1:useDPs), hws(:,1:useDPs));

但是這創造了一個2×2矩陣（它計算整個矩陣的科爾_係數，而不是每列）。所以這顯然是一個錯誤的嘗試。

所以我的問題是，是否有可能「矢量化」（或以其他方式優化）該循環呢？

來源

2016-11-29 Pinkie Swirl

嘗試一小部分，讓我們知道它是怎麼回事。 –

它也可能有助於閱讀文檔。例如，在命令行上鍵入'doc corrcoeff'。 –

我應該嘗試什麼？我的「我可以寫這樣的東西」顯然不起作用。 –

既然你的問題只有兩個變量，你可以寫這樣的：

m = size(X,1); 

Xc = bsxfun(@minus, X, sum(X)/m); 
Yc = bsxfun(@minus, Y, sum(Y)/m); 

xy = sum(Xc.*Yc)/(m-1); 
xx = sum(Xc.*Xc)/(m-1); 
yy = sum(Yc.*Yc)/(m-1); 

delta = xy ./ sqrt(xx.*yy);

但是，我在搞清楚了這一點所花的時間，再加上這樣一個事實：

clc 

N = 1e4; 
M = 1e3; 

X = rand(N,M); 
Y = rand(N,M); 

% Loopy version  
tic 
D = zeros(N,1); 
for ii = 1:M 
    cc = corrcoef(X(:,ii), Y(:,ii)); 
    D(ii) = cc(2); 
end 
toc 


% "Vectorized" version 
m = N; 
tic  

Xc = bsxfun(@minus, X, sum(X)/m); 
Yc = bsxfun(@minus, Y, sum(Y)/m); 

xy = sum(Xc.*Yc)/(m-1); 
xx = sum(Xc.*Xc)/(m-1); 
yy = sum(Yc.*Yc)/(m-1); 

delta = xy ./ sqrt(xx.*yy); 

toc

給

Elapsed time is 0.272682 seconds. % loop 
Elapsed time is 0.384599 seconds. % non-loop

確實表明你不應該相信噸他聲明循環在MATLAB中是不好的。

來源

2016-11-29 08:17:52

如何在matlab中「矢量化」corrcoeff？

回答

相關問題