[Octave中矢量（数据集）的矢量化标签检测，用于多类Logistic回归

Question

同时执行具有多个功能和多个类别的Logistic回归（我选择的数据集具有1,2,3,4和5类）m（> 100）样本数据，其类别在1到5之间我试图找出不。标签/类的集合，并将它们作为向量。我可以用Y作为大小（m，1）

的列向量编写以下代码

classes = [Y(1,1)]; #Initializing classes
for i = 2:m
    count = 0;
    for j = 1:length(classes)
        if Y(i,1) == classes(j,1)
            count = count + 1;
        end;
    end
    if count ==0
        classes = [classes; Y(i,1)];
    end
end

这给了我向量Y的唯一标签的列表。但是，我想知道是否有更好的方法来编写此代码（上面的代码行对我来说似乎是幼稚的），尤其是通过矢量化。欢迎任何建议。谢谢。

Answer 1

看来，如果代码的目的只是为了生成Y中唯一值的列表，则可以只使用unique(Y)。例如：

>> m = 10;
>> Y = floor(rand(m,1)*5+1)
Y =

   5
   1
   5
   4
   2
   2
   1
   5
   1
   4

>> unique(Y)
ans =

   1
   2
   4
   5    

现在，函数的输出具有它们的顺序，使它们首先出现在列表中。例如，>

classes = 

   5
   1
   4
   2
如果那很重要，您将需要这样的东西：

>> [sortedClasses idx] = unique(Y,"first")
sortedClasses =

   1
   2
   4
   5

idx =

   2
   5
   4
   1

>> unsortedClasess = Y(sort(idx))
unsortedClasess =

   5
   1
   4
   2
unique和sort都可以很好地向量化速度。并且删除classes的重复扩展将防止重复的变量复制，如果您的类数量很多，则这将带来可观的开销。