以一种很好的方式表示许多项目之间的相似性 MATLAB
Represent the similarity between many items in a nice manner MATLAB
我想和你们一起在 MATLAB 中集思广益。给定一个包含许多列（14K）和几行（7）的矩阵，其中列是项目和项目的行特征，我想计算与所有项目的相似度并将其保存在矩阵中：
- 易于计算
- 易于访问
对于 1.，我想出了一个使用 pdist() 的好主意，它非常快：
A % my matrix
S = pdist(A') % computes the similarity btw all columns very fast
但是访问s并不方便。我更喜欢访问项目 i 和 j 之间的相似性，例如使用 S(i,j):
S(4,5) % is the similarity between item 4 and 5
在其原始定义中，S 是一个数组而不是矩阵。将其作为 2D 矩阵在存储方面是个坏主意吗？我们能否想出一个很酷的主意，可以帮助我快速找到哪些相似度对应于哪些项目？
谢谢。
您可以使用 pdist2(A',A')。返回的本质上是标准形式的距离矩阵，其中元素 (i,j) 是第 i 个和第 j 个模式之间的差异（或相似）。
另外，如果你想使用pdist()，也可以，你可以使用函数squareform()将结果数组转换为众所周知的距离矩阵。
因此，总而言之，如果 A 是您的数据集，S 是距离矩阵，您可以使用
S=pdist(A');
S=squareform(S);
或
S=pdist2(A',A');
现在，从存储的角度来看，你肯定会注意到这样的矩阵是对称的。 Matlab 本质上对 pdist() 中的数组 S 提出的是保存 space：由于这样的矩阵是对称的，你也可以将它的一半保存在一个向量中。事实上，数组 S 有 m(m-1)/2 个元素，而矩阵形式有 m^2 个元素（如果 m 是训练集中的模式数）。另一方面，访问这样的向量肯定比较棘手，而矩阵绝对简单。
我不太确定你的问题是什么，但如果你想轻松访问 S(i, j) 那么函数 squareform 就是为此而设计的：
S = squareform(pdist(A'));
最佳，
我想和你们一起在 MATLAB 中集思广益。给定一个包含许多列（14K）和几行（7）的矩阵，其中列是项目和项目的行特征，我想计算与所有项目的相似度并将其保存在矩阵中：
- 易于计算
- 易于访问
对于 1.，我想出了一个使用 pdist() 的好主意，它非常快：
A % my matrix
S = pdist(A') % computes the similarity btw all columns very fast
但是访问s并不方便。我更喜欢访问项目 i 和 j 之间的相似性，例如使用 S(i,j):
S(4,5) % is the similarity between item 4 and 5
在其原始定义中，S 是一个数组而不是矩阵。将其作为 2D 矩阵在存储方面是个坏主意吗？我们能否想出一个很酷的主意，可以帮助我快速找到哪些相似度对应于哪些项目？
谢谢。
您可以使用 pdist2(A',A')。返回的本质上是标准形式的距离矩阵，其中元素 (i,j) 是第 i 个和第 j 个模式之间的差异（或相似）。
另外，如果你想使用pdist()，也可以，你可以使用函数squareform()将结果数组转换为众所周知的距离矩阵。
因此，总而言之，如果 A 是您的数据集，S 是距离矩阵，您可以使用
S=pdist(A');
S=squareform(S);
或
S=pdist2(A',A');
现在，从存储的角度来看，你肯定会注意到这样的矩阵是对称的。 Matlab 本质上对 pdist() 中的数组 S 提出的是保存 space：由于这样的矩阵是对称的，你也可以将它的一半保存在一个向量中。事实上，数组 S 有 m(m-1)/2 个元素，而矩阵形式有 m^2 个元素（如果 m 是训练集中的模式数）。另一方面，访问这样的向量肯定比较棘手，而矩阵绝对简单。
我不太确定你的问题是什么，但如果你想轻松访问 S(i, j) 那么函数 squareform 就是为此而设计的：
S = squareform(pdist(A'));
最佳，