pdist2
観測値の 2 つの集合間のペアワイズ距離
構文
説明
は、D
= pdist2(X,Y
,Distance
,DistParameter
)Distance
および DistParameter
で指定された尺度を使用して距離を返します。DistParameter
を指定できるのは、Distance
が 'seuclidean'
、'minkowski'
または 'mahalanobis'
である場合だけです。
は、上記の任意の引数について、名前と値のパラメーターを使用して計算を変更します。以下に例を示します。D
= pdist2(___,Name,Value
)
D = pdist2(X,Y,Distance,'Smallest',K)
は、Distance
によって指定された尺度を使用して距離を計算し、Y
内の各観測値についてX
内の観測値に対するペアワイズ距離を最小のものからK
個、昇順で返します。D = pdist2(X,Y,Distance,DistParameter,'Largest',K)
は、Distance
およびDistParameter
によって指定された尺度を使用して距離を計算し、ペアワイズ距離を最大のものからK
個、降順で返します。
例
3 つの観測値と 2 つの変数を使用して 2 つの行列を作成します。
rng('default') % For reproducibility X = rand(3,2); Y = rand(3,2);
ユークリッド距離を計算します。入力引数 Distance
の既定値は 'euclidean'
です。名前と値のペアの引数を使用せずにユークリッド距離を計算する場合、Distance
を指定する必要はありません。
D = pdist2(X,Y)
D = 3×3
0.5387 0.8018 0.1538
0.7100 0.5951 0.3422
0.8805 0.4242 1.2050
D(i,j)
は、X
内の観測値 i
と Y
内の観測値 j
の間のペアワイズ距離に対応します。
3 つの観測値と 2 つの変数を使用して 2 つの行列を作成します。
rng('default') % For reproducibility X = rand(3,2); Y = rand(3,2);
既定の指数 2 を使用してミンコフスキー距離を計算します。
D1 = pdist2(X,Y,'minkowski')
D1 = 3×3
0.5387 0.8018 0.1538
0.7100 0.5951 0.3422
0.8805 0.4242 1.2050
指数を 1 にしてミンコフスキー距離を計算します。これは市街地距離に等しくなります。
D2 = pdist2(X,Y,'minkowski',1)
D2 = 3×3
0.5877 1.0236 0.2000
0.9598 0.8337 0.3899
1.0189 0.4800 1.7036
D3 = pdist2(X,Y,'cityblock')
D3 = 3×3
0.5877 1.0236 0.2000
0.9598 0.8337 0.3899
1.0189 0.4800 1.7036
5 つの観測値と 2 つの変数を使用して 2 つの行列を作成します。
rng(0,"twister") % For reproducibility X = rand(5,2); Y = rand(5,2);
pdist2
関数を使用してマハラノビス距離を計算します。
D = pdist2(X,Y,"mahalanobis")
D = 5×5
2.0012 0.9926 2.1767 1.9656 2.2036
2.3429 0.4318 1.6528 1.7564 1.7453
1.0330 2.5697 2.7833 1.3093 2.3936
3.2463 1.3676 0.1638 1.4094 0.3452
2.6608 1.6585 0.9895 0.6572 0.5121
X
の平均と観測値 Y
の間のマハラノビス距離を計算します。距離計量のパラメーターには X
の共分散を使用します。
D2 = pdist2(mean(X),Y,"mahalanobis",cov(X))
D2 = 1×5
2.0090 0.9377 1.2824 0.7850 1.0966
mahal
関数を使用してマハラノビス平方距離を計算します。
SqMahalDist = mahal(Y,X)'
SqMahalDist = 1×5
4.0360 0.8792 1.6445 0.6162 1.2025
それぞれの値の平方根を計算します。
MahalDist = SqMahalDist.^0.5
MahalDist = 1×5
2.0090 0.9377 1.2824 0.7850 1.0966
マハラノビス距離の値は、pdist2
関数によって返される値と同じになります。
3 つの観測値と 2 つの変数を使用して 2 つの行列を作成します。
rng('default') % For reproducibility X = rand(3,2); Y = rand(3,2);
Y
内の各観測値について X
内の観測値に対するペアワイズのユークリッド距離を最小のものから 2 つ求めます。
[D,I] = pdist2(X,Y,'euclidean','Smallest',2)
D = 2×3
0.5387 0.4242 0.1538
0.7100 0.5951 0.3422
I = 2×3
1 3 1
2 2 2
pdist2
は、Y
内の各観測値について X
内の観測値すべてに対する距離値を計算して比較することにより、最小の 2 つの距離を求めます。そして、D
の各列に格納されている距離を昇順で並べ替えます。I
には、D
内の距離に対応する X
内の観測値のインデックスが格納されます。
2 つの大規模な点の行列を作成し、既定の "euclidean"
距離計量を使用した pdist2
の所要時間を測定します。
rng default % For reproducibility N = 10000; X = randn(N,1000); Y = randn(N,1000); D = pdist2(X,Y); % Warm up function for more reliable timing information tic D = pdist2(X,Y); standard = toc
standard = 10.0143
次に、"fasteuclidean"
距離計量を使用した pdist2
の所要時間を測定します。キャッシュ サイズは 100 に指定します。
D = pdist2(X,Y,"fasteuclidean",CacheSize=100); % Warm up function tic D2 = pdist2(X,Y,"fasteuclidean",CacheSize=100); accelerated = toc
accelerated = 1.8175
計算の高速化によって標準よりも何倍速くなったかを評価します。
standard/accelerated
ans = 5.5099
この例では、高速化したバージョンの方が 2 倍を超える速さになっています。
NaN
値がある座標を無視するカスタム距離関数を定義し、この関数を使用してペアワイズ距離を計算します。
3 つの観測値と 3 つの変数を使用して 2 つの行列を作成します。
rng('default') % For reproducibility X = rand(3,3) Y = [X(:,1:2) rand(3,1)]
X = 0.8147 0.9134 0.2785 0.9058 0.6324 0.5469 0.1270 0.0975 0.9575 Y = 0.8147 0.9134 0.9649 0.9058 0.6324 0.1576 0.1270 0.0975 0.9706
X と Y の初めの 2 列は同じです。X(1,1)
が欠損していると仮定します。
X(1,1) = NaN
X = NaN 0.9134 0.2785 0.9058 0.6324 0.5469 0.1270 0.0975 0.9575
ハミング距離を計算します。
D1 = pdist2(X,Y,'hamming')
D1 = NaN NaN NaN 1.0000 0.3333 1.0000 1.0000 1.0000 0.3333
X
内の観測値 i
または Y
内の観測値 j
に NaN
値が含まれている場合、関数 pdist2
は i
と j
の間のペアワイズ距離として NaN
を返します。したがって、D1(1,1)、D1(1,2) および D1(1,3) は NaN
値になります。
NaN
値がある座標を無視してハミング距離を計算するカスタム距離関数 nanhamdist
を定義します。大量の観測値を処理する場合、データの座標に対してループ処理を行うことにより距離の計算を高速化できます。
function D2 = nanhamdist(XI,XJ) %NANHAMDIST Hamming distance ignoring coordinates with NaNs [m,p] = size(XJ); nesum = zeros(m,1); pstar = zeros(m,1); for q = 1:p notnan = ~(isnan(XI(q)) | isnan(XJ(:,q))); nesum = nesum + ((XI(q) ~= XJ(:,q)) & notnan); pstar = pstar + notnan; end D2 = nesum./pstar;
pdist2
の入力引数として関数ハンドルを渡すことにより、nanhamdist
で距離を計算します。
D2 = pdist2(X,Y,@nanhamdist)
D2 = 0.5000 1.0000 1.0000 1.0000 0.3333 1.0000 1.0000 1.0000 0.3333
kmeans
は、k-means クラスタリングを実行して、データを k 個のクラスターに分割します。新しいデータ セットをクラスター化するときに、kmeans
を使用して、既存のデータと新しいデータが含まれる新しいクラスターを作成できます。関数 kmeans
は C/C++ コード生成をサポートするので、学習データを受け入れてクラスタリングの結果を返すコードを生成してから、コードをデバイスに展開できます。このワークフローでは学習データを渡さなければなりませんが、サイズが非常に大きい可能性があります。デバイスのメモリを節約するため、kmeans
とpdist2
をそれぞれ使用して、学習と予測を分離することができます。
kmeans
を使用して MATLAB® でクラスターを作成し、生成されたコードで pdist2
を使用して新しいデータを既存のクラスターに割り当てます。コード生成用に、クラスターの重心位置と新しいデータ セットを受け入れて最も近いクラスターのインデックスを返すエントリポイント関数を定義します。次に、エントリポイント関数のコードを生成します。
C/C++ コードの生成には MATLAB® Coder™ が必要です。
k-means クラスタリングの実行
3 つの分布を使用して、学習データ セットを生成します。
rng('default') % For reproducibility X = [randn(100,2)*0.75+ones(100,2); randn(100,2)*0.5-ones(100,2); randn(100,2)*0.75];
kmeans
を使用して、学習データを 3 つのクラスターに分割します。
[idx,C] = kmeans(X,3);
クラスターとクラスター重心をプロットします。
figure gscatter(X(:,1),X(:,2),idx,'bgm') hold on plot(C(:,1),C(:,2),'kx') legend('Cluster 1','Cluster 2','Cluster 3','Cluster Centroid')
既存クラスターへの新しいデータの割り当て
テスト データ セットを生成します。
Xtest = [randn(10,2)*0.75+ones(10,2); randn(10,2)*0.5-ones(10,2); randn(10,2)*0.75];
既存のクラスターを使用して、テスト データ セットを分類します。pdist2
を使用して、各テスト データ点から最も近い重心を求めます。
[~,idx_test] = pdist2(C,Xtest,'euclidean','Smallest',1);
gscatter
を使用してテスト データをプロットします。idx_test
を使用してテスト データにラベルを付けます。
gscatter(Xtest(:,1),Xtest(:,2),idx_test,'bgm','ooo') legend('Cluster 1','Cluster 2','Cluster 3','Cluster Centroid', ... 'Data classified to Cluster 1','Data classified to Cluster 2', ... 'Data classified to Cluster 3')
コードの生成
新しいデータを既存のクラスターに割り当てる C コードを生成します。C/C++ コードの生成には MATLAB® Coder™ が必要であることに注意してください。
重心位置と新しいデータを受け入れてから、pdist2
を使用して最も近いクラスターを求める、findNearestCentroid
という名前のエントリポイント関数を定義します。
MATLAB のアルゴリズムについてのコードを生成しようとしていることを指示するため、コンパイラ命令 %#codegen
(またはプラグマ) をエントリポイント関数のシグネチャの後に追加します。この命令を追加すると、コード生成時にエラーになる違反の診断と修正を MATLAB Code Analyzer が支援します。
type findNearestCentroid % Display contents of findNearestCentroid.m
function idx = findNearestCentroid(C,X) %#codegen [~,idx] = pdist2(C,X,'euclidean','Smallest',1); % Find the nearest centroid
メモ: このページの右上にあるボタンをクリックしてこの例を MATLAB® で開くと、MATLAB® で例のフォルダーが開きます。このフォルダーには、エントリポイント関数のファイルが含まれています。
codegen
(MATLAB Coder)を使用してコードを生成します。C および C++ は静的な型の言語なので、エントリポイント関数内のすべての変数のプロパティをコンパイル時に決定しなければなりません。findNearestCentroid
の入力のデータ型と配列サイズを指定するため、-args
オプションを使用して、特定のデータ型および配列サイズをもつ一連の値を表す MATLAB 式を渡します。詳細については、コード生成用の可変サイズ引数の指定を参照してください。
codegen findNearestCentroid -args {C,Xtest}
Code generation successful.
codegen
は、プラットフォームに依存する拡張子をもつ MEX 関数 findNearestCentroid_mex
を生成します。
生成されたコードを検証します。
myIndx = findNearestCentroid(C,Xtest); myIndex_mex = findNearestCentroid_mex(C,Xtest); verifyMEX = isequal(idx_test,myIndx,myIndex_mex)
verifyMEX = logical
1
isequal
は、すべての入力が等しいことを意味する logical 1 (true
) を返します。この比較により、同じインデックスを関数 pdist2
、関数 findNearestCentroid
、および MEX 関数が返すことを確認します。
GPU Coder™ を使用して、最適化された CUDA® コードを生成することもできます。
cfg = coder.gpuConfig('mex'); codegen -config cfg findNearestCentroid -args {C,Xtest}
コード生成の詳細については、一般的なコード生成のワークフローを参照してください。GPU Coder の詳細については、GPU Coder 入門 (GPU Coder)とサポートされる関数 (GPU Coder)を参照してください。
入力引数
入力データ。数値行列を指定します。X
は mx 行 n 列の行列、Y
は my 行 n 列の行列です。行は各観測値に、列は各変数に対応します。
データ型: single
| double
距離計量。次の表に記載されているように文字ベクトル、string スカラーまたは関数ハンドルを指定します。
値 | 説明 |
---|---|
'euclidean' | ユークリッド距離 (既定) |
'squaredeuclidean' | 2 乗ユークリッド距離(効率向上のみを目的に提供されているオプション。三角不等式は満たさない)。 |
'seuclidean' | 標準化されたユークリッド距離。観測値間の各座標差は、標準偏差 |
'fasteuclidean' | 予測子の数が 10 個以上の場合に時間の短縮になる代替アルゴリズムを使用して計算されるユークリッド距離。このアルゴリズムは高速ですが、場合によっては精度が低下することがあります。'fast' から始まるアルゴリズムでは、スパース データはサポートされません。詳細については、アルゴリズムを参照してください。 |
'fastsquaredeuclidean' | 予測子の数が 10 個以上の場合に時間の短縮になる代替アルゴリズムを使用して計算される 2 乗ユークリッド距離。このアルゴリズムは高速ですが、場合によっては精度が低下することがあります。'fast' から始まるアルゴリズムでは、スパース データはサポートされません。詳細については、アルゴリズムを参照してください。 |
'fastseuclidean' | 予測子の数が 10 個以上の場合に時間の短縮になる代替アルゴリズムを使用して計算される標準化されたユークリッド距離。このアルゴリズムは高速ですが、場合によっては精度が低下することがあります。'fast' から始まるアルゴリズムでは、スパース データはサポートされません。詳細については、アルゴリズムを参照してください。 |
'mahalanobis' |
|
'cityblock' | 市街地距離 |
'minkowski' | ミンコフスキー距離。既定の指数は 2 です。異なる指数 |
'chebychev' | チェビシェフ距離 (最大座標差) |
'cosine' | 1 から、ベクトルとして扱われる点の間の夾角の余弦を引いた値 |
'correlation' | 1 から、値の系列として扱われる点の間の標本相関を引いた値 |
'hamming' | ハミング距離 (異なる座標の比率) |
'jaccard' | 1 からジャカード係数 (異なる非ゼロ座標の比率) を減算 |
'spearman' | 1 から観測値間の標本スピアマン順位相関係数を減算 (値の系列として処理) |
@ | カスタム距離関数のハンドル。距離関数の形式は次のようになります。 function D2 = distfun(ZI,ZJ) % calculation of distance ...
データがスパースでない場合、通常は関数ハンドルではなく組み込みの距離計量を使用する方が高速に距離を計算できます。 |
定義については距離計量を参照してください。
'seuclidean'
、'minkowski'
または 'mahalanobis'
を使用する場合、これらの尺度を制御する追加入力引数 DistParameter
を指定できます。DistParameter
を既定値にすると、これらの尺度を他の尺度と同じ方法で使用できます。
例: 'minkowski'
データ型: char
| string
| function_handle
距離計量のパラメーター値。正のスカラー、数値ベクトルまたは数値行列を指定します。この引数は、Distance
として 'seuclidean'
、'minkowski'
または 'mahalanobis'
を指定した場合のみ有効です。
Distance
が'seuclidean'
の場合、DistParameter
は各次元のスケーリング係数のベクトルで、正のベクトルを指定します。既定値はstd(X,'omitnan')
です。Distance
が'minkowski'
の場合、DistParameter
はミンコフスキー距離の指数で、正のスカラーを指定します。既定値は 2 です。Distance
が'mahalanobis'
の場合、DistParameter
は共分散行列で、数値行列を指定します。既定値はcov(X,'omitrows')
です。DistParameter
は、対称な正定値行列でなければなりません。
例: 'minkowski',3
データ型: single
| double
名前と値の引数
オプションの引数のペアを Name1=Value1,...,NameN=ValueN
として指定します。ここで、Name
は引数名で、Value
は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。
R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name
を引用符で囲みます。
例: 'Smallest',K
または 'Largest',K
。'Smallest'
と 'Largest'
を同時に使用することはできません。
メガバイト単位のグラム行列のサイズ。正のスカラーまたは 'maximal'
として指定します。関数 pdist2
で CacheSize
を使用できるのは、引数 Distance
が fast
で始まる場合のみです。
'maximal'
の場合、pdist2
は、MX
行 MY
列のサイズの中間行列全体に十分なメモリを割り当てようと試みます。ここで、MX
は入力データ X
の行数、MY
は入力データ Y
の行数です。キャッシュ サイズは、中間行列全体に対して十分な大きさである必要はありませんが、少なくとも MX
行 1 列のベクトルを保持する十分な大きさでなければなりません。そうでない場合、pdist2
でのユークリッド距離の計算に通常のアルゴリズムが使用されます。
距離の引数が fast
で始まる場合に、CacheSize
の値が大きすぎるか 'maximal'
であると、利用可能なメモリを超えるグラム行列の割り当てが pdist2
で試行されることがあります。この場合、MATLAB® はエラーを生成します。
例: CacheSize='maximal'
データ型: double
| char
| string
求める最小距離の個数。'Smallest'
と正の整数から構成されるコンマ区切りのペアとして指定します。'Smallest'
を指定した場合、pdist2
は D
の各列の距離を昇順で並べ替えます。引数 Smallest
と Largest
は、いずれか 1 つだけを使用できます。
例: 'Smallest',3
データ型: single
| double
求める最大距離の個数。'Largest'
と正の整数から構成されるコンマ区切りのペアとして指定します。'Largest'
を指定した場合、pdist2
は D
の各列の距離を降順で並べ替えます。引数 Smallest
と Largest
は、いずれか 1 つだけを使用できます。
例: 'Largest',3
データ型: single
| double
出力引数
ペアワイズ距離。数値行列として返されます。
'Smallest'
も 'Largest'
も指定しなかった場合、D
は mx 行 my 列の行列になります。mx と my はそれぞれ X
および Y
内の観測値の個数です。D(i,j)
は、X
内の観測値 i
と Y
内の観測値 j
の間の距離です。X
内の観測値 i または Y
内の観測値 j に NaN
が含まれている場合、組み込み距離関数では D(i,j)
が NaN
になります。
'Smallest'
または 'Largest'
として K
を指定した場合、D
は K
行 my 列の行列になります。D
には、Y
内の各観測値について X
内の観測値に対する K
個の最小のペアワイズ距離または K
個の最大のペアワイズ距離が格納されます。Y
の各観測値に対し、pdist2
は X
内の観測値すべてに対する距離値を計算して比較することで、最小または最大の距離 K
を求めます。K
が mx より大きい場合、pdist2
は mx 行 my 列の行列を返します。
詳細
距離計量は、2 つの観測値の間の距離を定義する関数です。pdist2
は、以下の各種距離計量、ユークリッド距離、標準化されたユークリッド距離、マハラノビス距離、市街地距離、ミンコフスキー距離、チェビシェフ距離、コサイン距離、相関距離、ハミング距離、Jaccard 距離およびスピアマン距離をサポートします。
mx 行 n 列のデータ行列 X (mx 個の 1 行 n 列の行ベクトル x1、x2、...、xmx として扱われる) と、my 行 n 列のデータ行列 Y (my 個の 1 行 n 列の行ベクトル y1、y2、...、ymy として扱われる) が与えられた場合、ベクトル xs と yt の間のさまざまな距離は次のように定義されます。
ユークリッド距離
ユークリッド距離はミンコフスキー距離の特殊なケース、p = 2 の場合です。
標準化されたユークリッド距離
ここで、V は j 番目の対角要素が (S(j))2 である n 行 n 列の対角行列です。S は各次元のスケーリング係数のベクトルです。
高速ユークリッド距離はユークリッド距離と同じで、予測子の数が 10 個以上の場合に時間の短縮になる代替アルゴリズムを使用して計算されます。このアルゴリズムは高速ですが、場合によっては精度が低下することがあります。スパース データはサポートされません。高速ユークリッド距離アルゴリズムを参照してください。
高速ユークリッド距離を指定するには、
Distance
パラメーターを'fasteuclidean'
に設定します。標準化された高速ユークリッド距離は標準化されたユークリッド距離と同じで、予測子の数が 10 個以上の場合に時間の短縮になる代替アルゴリズムを使用して計算されます。このアルゴリズムは高速ですが、場合によっては精度が低下することがあります。スパース データはサポートされません。高速ユークリッド距離アルゴリズムを参照してください。
標準化された高速ユークリッド距離を指定するには、
Distance
パラメーターを'fastseuclidean'
に設定します。マハラノビス距離
ここで、C は共分散行列です。
市街地距離
市街地距離はミンコフスキー距離の特殊なケース、p = 1 の場合です。
ミンコフスキー距離
p = 1 という特殊なケースでは、ミンコフスキー距離は市街地距離を与えます。p = 2 という特殊なケースでは、ミンコフスキー距離はユークリッド距離を与えます。p = ∞ という特殊なケースでは、ミンコフスキー距離はチェビシェフ距離を与えます。
チェビシェフ距離
チェビシェフ距離はミンコフスキー距離の特殊なケース、p = ∞ の場合です。
コサイン距離
相関距離
ここで
および
ハミング距離
ハミング距離は、一致しない座標の比率です。
Jaccard 距離は、1 からジャカード係数 (異なる非ゼロ座標の比率) を引きます。
スピアマン距離は、1 から一連の値として扱われる観測値間の標本スピアマン順位相関係数を引きます。
ここで
アルゴリズム
Distance
引数の fast
から始まる値 ("fasteuclidean"
や "fastseuclidean"
など) で使用されるアルゴリズムでは、計算時間の短縮のために追加のメモリを使用してユークリッド距離が計算されます。このアルゴリズムは、Albanie の[1]などで "ユークリッド距離行列トリック" として提唱されているものです。内部テストでは、このアルゴリズムによって予測子の数が 10 個以上の場合に時間の短縮になることが確認されています。fast
から始まるアルゴリズムでは、スパース データはサポートされません。
このアルゴリズムでは、xi と xj のすべての点間の距離の行列 D を求めるために (xi のそれぞれに n 個の変数を格納)、次の方程式の最後の行を使用して距離を計算します。
方程式の最後の行にある行列 は "グラム行列" と呼ばれます。正方化と加算によって平方距離を計算する代わりに、グラム行列を計算して使用すると、一連の平方距離の計算は高速になりますが、数値的安定性は少し低くなります。詳細については、Albanie [1]を参照してください。
グラム行列を格納するためにソフトウェアで既定で使用されるキャッシュのサイズは 1e3
メガバイトです。キャッシュ サイズは名前と値の引数 CacheSize
を使用して設定できます。CacheSize
の値が大きすぎるか "maximal"
である場合、利用可能なメモリを超えるグラム行列の割り当てが試行されることがあります。この場合はエラーが発行されます。
参照
[1] Albanie, Samuel. Euclidean Distance Matrix Trick. June, 2019. Available at https://samuelalbanie.com/files/Euclidean_distance_trick.pdf.
拡張機能
pdist2
関数は、tall 配列を次の使用上の注意および制限付きでサポートします。
最初の入力
X
は tall 配列でなければなりません。入力Y
を tall 配列にすることはできません。
詳細は、tall 配列を参照してください。
使用上の注意および制限:
距離の入力引数 (
Distance
) の値は、コンパイル時の定数でなければなりません。たとえば、ミンコフスキー距離を使用するには、coder.Constant('Minkowski')
をcodegen
の-args
の値に含めます。距離の入力引数 (
Distance
) の値をカスタム距離関数にすることはできません。pdist2
では、高速ユークリッド距離計算、つまり名前がfast
から始まる距離計量 ('fasteuclidean'
など) のコード生成はサポートされていません。名前と値の引数に含まれる名前はコンパイル時の定数でなければなりません。たとえば、生成されたコードで名前と値のペアの引数
'Smallest'
を使用するには、{coder.Constant('Smallest'),0}
をcodegen
(MATLAB Coder) の-args
の値に含めます。数値の精度のため、生成されたコードにおける同順位の距離の並べ替え順序は MATLAB における順序と異なる可能性があります。
pdist2
に対して生成されるコードでは、parfor
(MATLAB Coder) を使用して、サポートされる共有メモリ マルチコア プラットフォームで並列実行されるループが作成されます。コンパイラが Open Multiprocessing (OpenMP) アプリケーション インターフェイスをサポートしない場合、または OpenMP ライブラリを無効にした場合、MATLAB Coder™ はparfor
ループをfor
ループとして扱います。サポートされるコンパイラについては、サポートされるコンパイラを参照してください。OpenMP ライブラリを無効にするには、構成オブジェクトのEnableOpenMP
プロパティをfalse
に設定します。詳細については、coder.CodeConfig
(MATLAB Coder) を参照してください。pdist2
は、生成されたスタンドアロン C/C++ コードにおいて、整数型 (int32
) のインデックスを返します。そのため、関数は、単精度の入力を使用する場合、厳密な単精度のサポートを可能にします。MEX コード生成では、関数は依然として MATLAB の動作に一致する倍精度のインデックスを返します。
コード生成の詳細については、コード生成の紹介および一般的なコード生成のワークフローを参照してください。
使用上の注意および制限:
最適化された CUDA コードについてサポートされる距離入力引数値 (
Distance
) は、'euclidean'
、'squaredeuclidean'
、'seuclidean'
、'cityblock'
、'minkowski'
、'chebychev'
、'cosine'
、'correlation'
、'hamming'
および'jaccard'
です。Distance
をカスタム距離関数にすることはできません。Distance
はコンパイル時の定数でなければなりません。名前と値のペアの引数に含まれる名前はコンパイル時の定数でなければなりません。
数値の精度のため、生成されたコードにおける同順位の距離の並べ替え順序は MATLAB における順序と異なる可能性があります。
使用上の注意および制限:
入力引数
Distance
を"fasteuclidean"
、"fastsquaredeuclidean"
、"fastseuclidean"
、またはカスタム距離関数として指定することはできません。
詳細は、GPU での MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。
バージョン履歴
R2010a で導入参考
pdist
| createns
| knnsearch
| ExhaustiveSearcher
| KDTreeSearcher
MATLAB Command
You clicked a link that corresponds to this MATLAB command:
Run the command by entering it in the MATLAB Command Window. Web browsers do not support MATLAB commands.
Web サイトの選択
Web サイトを選択すると、翻訳されたコンテンツにアクセスし、地域のイベントやサービスを確認できます。現在の位置情報に基づき、次のサイトの選択を推奨します:
また、以下のリストから Web サイトを選択することもできます。
最適なサイトパフォーマンスの取得方法
中国のサイト (中国語または英語) を選択することで、最適なサイトパフォーマンスが得られます。その他の国の MathWorks のサイトは、お客様の地域からのアクセスが最適化されていません。
南北アメリカ
- América Latina (Español)
- Canada (English)
- United States (English)
ヨーロッパ
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)