加快R中大型矩阵的一系列计算

Question

是否有任何建议以编程或数学方式加快R中的计算速度？我提供了一些生成的数据，这些数据与我正在使用的实际数据场景非常匹配。我还尝试使用了apply和parApply，并尝试将其转换为稀疏矩阵，因为它有很多0，但是到目前为止，这是我想出的最快方法。有什么建议可以使其更快吗？我需要进行10,000次计算。

与我的情况非常匹配的数据：

set.seed(7)
# same size matrix as my real data data puzzle
A <- matrix(rbeta((13163*13163),1,1), ncol = 13163, nrow = 13163)

# turn a bunch to 0 to more closely match that I have a lot of 0's in real data
A[A < 0.5] <- 0

# create binary matrix
z <- matrix(rbinom((13163*13163), 1, 0.25), ncol = 13163, nrow = 13163)

我发现Rfast :: rowsums给我最快的结果。

start1 <- Sys.time()
testA <- 1 - exp(Rfast::rowsums(log(1-A*z)))
stop1 <- Sys.time()
stop1 - start1

请原谅我笨拙的基准测试方法...

Answer 1

您可以摆脱exp()和log()：

testB <- 1 - Rfast::rowprods(1-A*z)

这快了八倍。

但是，当您将0和1之间的数字相乘时，最终到处都是0，因此输出向量都是1。