为矩阵的每一列创建向量并构造矩阵，但删除该列

发布于 2024-12-13 22:49:39 字数 505 浏览 6 评论 0原文

我已经从 matlab 中的 CSV 文件导入了一些数据。它们是全部对齐的时间序列（它们是时间序列这一事实并不重要，只是每列代表一个实体，行是该实体的观察结果）。这就是说，一个名为 data 的 2500x50 双精度矩阵和一个名为 colheaders 的 1x50 元胞数组。

我想做的是使用神经网络工具集从所有其他实体中预测每个实体（即列）。神经网络工具将“目标”（矩阵的单列）和“输入”（原始矩阵，但从矩阵中删除用作“目标”的同一列）作为输入。

假设 colheaders 中的条目的形式为 Col1、Col2、Col3 等。我想自动化训练模型并对原始矩阵的每一列进行预测的过程，以便我有作为输出一堆标记为 Predicted_Col1、Predicted_Col2 等的预测列。

我想我可以弄清楚神经网络部分，但我只是不知道如何开始矩阵操作和交叉引用colheaders 数组。这似乎是一件很常见的事情，所以我猜有人知道一种简单、直接、计算效率高的方法。谢谢。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

故事和酒 2024-12-20 22:49:40

假设 colheaders 是字符串单元格，data 是 2500x50 输入数组，下面的代码将遍历 data 的所有列，将目标与输入分开，将其输入到 NN 的伪代码中，并逐渐构建预测矩阵，同时在 out_colheaders 中单独创建自定义列标题：

predicted = zeros(size(data));
for i = 1:size(data, 2)
    target = data(:, i);
    training_input = data;
    training_input(:, i) = [];
    // assuming the following function returns a column of 2500x1
    // given training_input of size 2500x49 and target 2500x1
    predicted(:, i) = pseudo_neural(training_input, target);
    out_colheaders{i} = ['Predicted_' colheaders{i}];
end

Assuming colheaders is a cell of strings and data is your 2500x50 input array, the code below goes through all columns of data, separates target from input, feeds it into a pseudo-code for NN, and gradually builds the predicted matrix while creating custom column headers separately in out_colheaders:

predicted = zeros(size(data));
for i = 1:size(data, 2)
    target = data(:, i);
    training_input = data;
    training_input(:, i) = [];
    // assuming the following function returns a column of 2500x1
    // given training_input of size 2500x49 and target 2500x1
    predicted(:, i) = pseudo_neural(training_input, target);
    out_colheaders{i} = ['Predicted_' colheaders{i}];
end

回复收藏 0 原文

~没有更多了~