คำถามติดแท็ก matrix

ฉันอาจมีคำถามโง่ ๆ เกี่ยวกับสิ่งที่ฉันต้องยอมรับฉันสับสน ลองนึกภาพที่ก่อให้เกิดซ้ำของการกระจายอย่างสม่ำเสมอสุ่มมุมฉาก (orthonormal) เมทริกซ์ที่มีขนาดบางหนบางครั้งเมทริกซ์ที่สร้างขึ้นมีปัจจัยที่และบางครั้งก็มีปัจจัย-1(มีเพียงสองค่าที่เป็นไปได้จากมุมมองของการหมุนมุมฉากหมายความว่ามีการสะท้อนเพิ่มอีกหนึ่งนอกเหนือจากการหมุน)ppp111−1−1-1det=−1det=−1\det=-1 เราสามารถเปลี่ยนสัญลักษณ์ของdetdet\detของเมทริกซ์มุมฉากจากลบเป็นบวกได้โดยเปลี่ยนสัญลักษณ์ของคอลัมน์ใดคอลัมน์หนึ่ง (หรือโดยทั่วไปคอลัมน์ใด ๆ ที่มีเลขคี่) คำถามของฉันคือ: เมื่อเราสร้างเมทริกซ์แบบสุ่มซ้ำแล้วซ้ำอีกเราจะแนะนำอคติบางอย่างในลักษณะการสุ่มแบบสม่ำเสมอหรือไม่หากทุกครั้งที่เราเลือกที่จะเปลี่ยนสัญญาณของคอลัมน์ที่ระบุเฉพาะ (พูดเสมอที่ 1 หรือตลอดไป) หรือเราควรจะมีการเลือกคอลัมน์สุ่มเพื่อให้การฝึกอบรมแทนการสุ่มคอลเลกชันกระจายเหมือนกัน?

9 mathematical-statistics  matrix  random-generation  rotation  determinant 

ฉันกำลังพยายามสร้างเมทริกซ์สหสัมพันธ์ (symmetric psd) ด้วยโครงสร้าง sparsity ที่ระบุไว้ล่วงหน้า (ระบุโดยกราฟบนโหนด ) โหนดที่เชื่อมต่อในกราฟมีความสัมพันธ์ส่วนที่เหลือทั้งหมดคือ 0 และเส้นทแยงมุมคือ 1 ทั้งหมดหน้า× pp×pp\times pพีppρ ∼ U( 0 , 1 )ρ∼U(0,1)\rho \sim U(0,1) ฉันพยายามสร้างเมทริกซ์นี้หลายครั้ง แต่ไม่ค่อยได้เมทริกซ์สหสัมพันธ์ที่ถูกต้อง มีวิธีที่ฉันสามารถรับประกันเมทริกซ์สหสัมพันธ์หรือไม่? โปรดทราบว่าฉันสามารถมีความสัมพันธ์เชิงบวกเท่านั้นดังนั้นเป็นต้นไม่ใช่ตัวเลือกρ ∼ U( - 1 , 1 )ρ∼U(−1,1)\rho \sim U(-1,1) ความช่วยเหลือใด ๆ ที่ชื่นชมอย่างมาก!

9 correlation  matrix  sparse  correlation-matrix 

ฉันต้องการทราบว่ามีวิธีใดที่เป็นไปได้ในการคำนวณสัมประสิทธิ์ Jaccard โดยใช้การคูณเมทริกซ์ ฉันใช้รหัสนี้ jaccard_sim <- function(x) { # initialize similarity matrix m <- matrix(NA, nrow=ncol(x),ncol=ncol(x),dimnames=list(colnames(x),colnames(x))) jaccard <- as.data.frame(m) for(i in 1:ncol(x)) { for(j in i:ncol(x)) { jaccard[i,j]= length(which(x[,i] & x[,j])) / length(which(x[,i] | x[,j])) jaccard[j,i]=jaccard[i,j] } } มันค่อนข้างโอเคที่จะนำไปใช้ในอาร์ฉันได้ทำลูกเต๋าที่มีความคล้ายคลึงกัน แต่ติดกับ Tanimoto / Jaccard ใครช่วยได้บ้าง

9 r  matrix  binary-data  association-measure  similarities