Question

我重写了这个问题，使其具有可重复性。假设我想沿着我自己选择的网格最大化exp(alpha+eta+gamma)的函数alpha,eta,gamma。我使用for循环完成了这个，但我想利用apply-functions来加速程序。这就是我所做的（eta和gamma在这里被固定）。

eta=0.11
gamma=0.06
alpha=0.5    
alpha_vals=seq(0.1,1,by=0.1)
eta_vals=eta
gamma_vals=gamma


ml_temp=-Inf

lapply(alpha_vals,function(alpha_v){
  lapply(eta_vals,function(eta_v){
    lapply(gamma_vals,function(gamma_v){
      temp=exp(alpha_v+eta_v+gamma_v)
      if (temp >= ml_temp) {
        ml_temp=temp
        mle_matrix=c(alpha_v,eta_v,gamma_v)
      }  
    })  
  })    
})

输出mle_matrix我得到0 0 0，因此显然无效。任何帮助表示赞赏。

Answer 1

最简单的方法是使用expand.grid（）和apply（）

toTest <- expand.grid(
    alpha = seq(0.1, 1, by = 0.1), 
    eta = seq(0.1, 1, by = 0.1), 
    gamma = seq(0.1, 1, by = 0.1))
ml <- apply(toTest, 1, function(x){
  exp(sum(x))
})
toTest[which.max(ml), ]

Answer 2

我假设你的目标函数是矢量化的。如果可能的话，exp也应该尝试编写矢量化的真实目标函数。
目前，我假设您可以将整个结果保存在内存中。如果没有，您将需要lapply一个或多个参数，但可能不需要遍历所有参数。

现在这是建议：

search.pts <- expand.grid (alpha_v = alpha_vals, 
                           gamma_v = gamma_vals, 
                           eta_v   = eta_vals)
target.val <- exp (search.pts$alpha_v + search.pts$gamma_v + search.pts$eta_v)
solution <- which.max (target.val)

search.pts [solution,]

或者可能返回

list (params = search.pts [solution,], value = target.val [solution])

以下是对于具有100个值的三个参数向量中的每一个，向量化计算与apply的基准：

microbenchmark (
    vectorized = exp (search.pts$alpha_v + search.pts$gamma_v + search.pts$eta_v),
    apply      = apply (search.pts, 1, function (x) exp (sum (x))), 
    times = 10)

## Unit: milliseconds
##         expr        min        lq     median          uq       max
## 1      apply 9569.52277 9687.8617 9940.53103 10140.13430 11413.508
## 2 vectorized   44.37456   45.3286   46.75505    67.38978   314.196

使用lapply最大化沿网格的功能

2 个答案: