[英]choose n most distant points in R
给定一组xy坐标,我如何选择n个点使得那些n点彼此距离最远?
对于大数据集可能不会做得太好的低效方法如下(确定最远的1000个中的20个点):
xy <- cbind(rnorm(1000),rnorm(1000))
n <- 20
bestavg <- 0
bestSet <- NA
for (i in 1:1000){
subset <- xy[sample(1:nrow(xy),n),]
avg <- mean(dist(subset))
if (avg > bestavg) {
bestavg <- avg
bestSet <- subset
}
}
此代码基于Pascal的代码,删除距离矩阵中具有最大行和的点。
m2 <- function(xy, n){
subset <- xy
alldist <- as.matrix(dist(subset))
while (nrow(subset) > n) {
cdists = rowSums(alldist)
closest <- which(cdists == min(cdists))[1]
subset <- subset[-closest,]
alldist <- alldist[-closest,-closest]
}
return(subset)
}
在高斯云上运行,其中m1
是@ pascal的函数:
> set.seed(310366)
> xy <- cbind(rnorm(1000),rnorm(1000))
> m1s = m1(xy,20)
> m2s = m2(xy,20)
通过查看点间距离的总和来查看谁做得最好:
> sum(dist(m1s))
[1] 646.0357
> sum(dist(m2s))
[1] 811.7975
方法2获胜! 并与随机抽样的20分进行比较:
> sum(dist(xy[sample(1000,20),]))
[1] 349.3905
这与预期相当糟糕。
发生什么了? 我们的情节:
> plot(xy,asp=1)
> points(m2s,col="blue",pch=19)
> points(m1s,col="red",pch=19,cex=0.8)
方法1生成红点,红点在空间上均匀分布。 方法2创建蓝点,几乎定义周长。 我怀疑这个原因很容易解决(在一个维度上更容易......)。
使用双峰模式的初始点也说明了这一点:
并且方法2产生的总和距离远远大于方法1,但两者都比随机抽样更好:
> sum(dist(m1s2))
[1] 958.3518
> sum(dist(m2s2))
[1] 1206.439
> sum(dist(xy2[sample(1000,20),]))
[1] 574.34
按照@Spacedman的建议,我写了一个函数,从最近的一对中删除一个点,直到剩下所需的点数。 它似乎运行良好,然而,当你添加点时它会很快减速。
xy <- cbind(rnorm(1000),rnorm(1000))
n <- 20
subset <- xy
alldist <- as.matrix(dist(subset))
diag(alldist) <- NA
alldist[upper.tri(alldist)] <- NA
while (nrow(subset) > n) {
closest <- which(alldist == min(alldist,na.rm=T),arr.ind=T)
subset <- subset[-closest[1,1],]
alldist <- alldist[-closest[1,1],-closest[1,1]]
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.