近鄰均值計算大家好，
我必須計算微電子晶圓上相鄰芯片/組件的平均值，例如在一個 3x3 的盒子上：
參考組件位於一個盒子的中心，因此被 8 個組件包圍，我想為數據表的每一行計算其平均值（然後為 5x5 盒子和 16 個鄰居計算相同的東西......）
它將用作機器學習的新功能。
我的代碼是：
dt = current data table();
<BR />// building the KD table
matrice = (dt:row << getvalues) || (dt:col << getvalues);
table = KDTable(matrice);
for( i=1, i<=nrows(dt),i++,
// get the 3x3 neighbors
neighbors = table << Knearestrows(8,i);
neighbors_number = neighbors[1,1];
// Select the neighbors and get their metrics values and calculate the mean<BR /> dt << select rows (neighbors_number );
mean_selection = Col Mean( If( Selected(), :metric, . ) );
:mean_metric[i] = mean_selection;
dt << clear select
);有人有更有效地進行計算的聰明方法嗎？
謝謝！
腳本Re: 近鄰均值計算感謝所有這些，我將更深入地研究它
Re: 近鄰均值計算你好@弗蘭克_R ,
也許這也可以幫助你：加載項：空間數據分析
如果您要尋找的是空間相關性，那麼 Moran's I 可能是最基本的概念。
羅恩
Re: 近鄰均值計算您可以填充足夠多的缺失值行和列，左、右、上、下。根據您擴展鄰域的程度，您可能有 8 個完整的缺失值晶圓圍繞著真實的晶圓。
還有另一種方法可以做到這一點，也需要虛擬行和列，這將非常快：
JMP 二維矩陣可以作為一維線性矩陣進行索引。
[ 1 2,
3 4,
5 6 ]（3 行，2 列）
也看起來像
[ 1,
2、
3、
4、
5、
6]（6行，使用一個下標時為1列）
如果晶圓是 NRows x NCols，則將其放在 3NRows x 3NCols 矩陣的中間（我將其稱為 M3）。
您可以通過添加 1 來水平移動和添加 3NCols 來垂直移動來為索引 M3 創建一維下標矩陣。 要從 M3 中提取 3x3 子矩陣，請使用索引矩陣和 shape() 函數。
是這樣的：
M3 = [. . . . . . . . .,
. . . . . . . . .,
. . . . . . . . .,
. . . 1 2 3 . . .,
. . . 4 5 6 . . .,
. . . 7 8 9 . . .,
. . . . . . . . .,
. . . . . . . . .,
. . . . . . . . .];
indexer2x2 = [1 2 10 11]; // top left 2x2 sub-matrix
For( x = 2, x <= 5, x += 1,
For( y = 2, y <= 5, y += 1,
Write( "\!n ", x, " ", y, " ", Shape( M3[indexer2x2 + x + y * 9], 2 ) );
)
);
2 2 [。 .,. 1]
2 3 [。 1，。 4]
2 4 [。 4、。 7]
2 5 [。 7，。 .]
3 2 [。 ., 1 2]
3 3 [1 2, 4 5]
3 4 [4 5, 7 8]
3 5 [7 8, . .]
4 2 [。 ., 2 3]
4 3 [2 3, 5 6]
4 4 [5 6, 8 9]
4 5 [8 9, . .]
5 2 [。 ., 3 .]
5 3 [3 ., 6 .]
5 4 [6 ., 9 .]
5 5 [9 ., . .]
你可能也需要這個：將 Loc 與二維矩陣一起使用
您可以製作 indexer3x3 等，並為每個級別重複使用 M3。 for 循環 x=3, x<=5 每次都需要更進一步。
編輯：如果您只是獲取索引元素的平均值，則可能不需要形狀函數，但它有助於顯示上面發生的事情。更多：當索引小於 1 時，JSL 矩陣具有特殊行為，您不會收到您可能希望的錯誤消息！如果索引器包含零（或 -1 等），它會顯得很奇怪。
Re: 近鄰均值計算另一方面，我意識到半徑限制的解決方案並不完美，因為我們仍然在數組中添加了一個額外的元素
例如，半徑 1.5 包含值 2，因為這是停止鄰居搜索的值... 所以它並沒有給我我想要的東西，我將不得不搜索更多！
Re: 近鄰均值計算非常感謝它非常有趣！
我有時會使用“開始數據更新”，但我在這裡沒有想到：好點。 這樣一來，如果添加我在 20,000 行中找到的開始更新，Loc() 解決方案實際上比 knearestrows() 慢一點：
沒有開始更新的舊腳本：116s！
knearestrows() 開始更新：5s
開始更新的 Loc()：14 秒
但對於 knearestrows，我不得不改變我計算平均值的方式，因為我們不能再使用選擇行和開始/結束更新。
對於你完全正確的邊緣，我曾想過：
neighbors = table << Knearestrows( {8, 1.5}, i );
使用有限的半徑來避免這個問題
再次感謝！
Re: 近鄰均值計算我很確定問題的大小將決定 kdtable() 或 loc() 方法是否更好。 我猜 loc() 將贏得 10x10 或更小的矩陣，而 kdtable 將贏得 100x100 或更大的矩陣。
Xan 關於邊緣的觀點很重要。 Loc() 可能是獲得正確答案的最簡單方法。
Re: 近鄰均值計算我不確定效率如何比較，但這裡有一個可供您嘗試的替代方案。
- 使用開始/結束數據更新（）將有助於任何方法
- 使用最近鄰很聰明（甚至可能更有效），但要注意它總是會返回最近的 8 個，即使在晶圓的邊緣，鄰居都在一側。
- 矩陣下標可能比 Col Mean() 更有效。
dt = current data table();
metrics = dt[0, "metric"];
rows = dt[0, "row"];
cols = dt[0, "col"];
d = 1; // 1 => 3x3, 2 => 5x5
dt << Begin Data Update();
For Each Row(
neighbors = Loc( :col - d <= cols <= :col + d & :row - d <= rows <= :row + d );
mean all = Mean( metrics[neighbors] );
nn = N Rows( neighbors );
mean without center = (mean all * nn - :metric) / (nn - 1);
:mm = mean without center;
);
dt << End Data Update();
