Question

加快以下步骤：

x <- c(0, 1, 1.1, 1.5, 1.9, 2.8, 2.9, 3.5)
n <- length(x)
temp <- 0
  for(i in 1:n) {
    for(j in 1:n) {
      temp <- temp + dnorm(x[i] - x[j])
    }
  }

> temp
[1] 13.40157

我可以简单地使用sapply函数，如下所示：

out <- sapply(x, function(a) dnorm(x - a)))
sum(out)

> sum(out)
[1] 13.40157

但是如何对matrix, not vector使用相同的技巧，我需要加快以下速度：

x <- matrix(c(3, 3.3, 5, 6, 7, 4), nrow=3, ncol=2, byrow=FALSE)
n <- length(x[,1])

library(mvtnorm) # for dmvnorm
temp <- 0
for(i in 1:n) {
  for(j in 1:n) {
    temp <- temp + dmvnorm(x[i,] - x[j,])
  }
}

> temp
[1] 0.6686979

Answer 1

在3x3的情况下，您需要从以下成对行计算密度：

1,1
1,2
1,3
2,1
2,2
2,3
3,1
3,2
3,3

我会通过生成一个矩阵来实现这一点，其中每一行对应每对中的第一个元素，一个矩阵，其中每一行对应于每对中的第二个元素，减去两个，然后将结果传递给{{1} }：

dmvnorm

这似乎比使用循环的方法更快：

mat1 <- x[rep(1:n, each=n),]
mat2 <- x[rep(1:n, n),]
sum(dmvnorm(mat1-mat2))
# [1] 0.6686979

对于这个100 x 10的例子，使用矢量化方法的速度超过了100倍。

如何为矩阵使用sapply函数（或类似函数），而不是向量？

1 个答案: