我将 R 函数转换为Rcpp,其中我使用了R函数rowSums
,它似乎不是Rcpp中的有效糖表达式。我找到了rowSums here的Rcpp版本的代码。但是我得到了
错误:使用未声明的标识符
当我在主Rcpp函数中使用rowSumsC()
时。
有一个简单的解决办法吗?
编辑:代码
cppFunction(
"NumericMatrix Expcpp(NumericVector x, NumericMatrix w,
NumericVector mu, NumericVector var, NumericVector prob, int k) {
for (int i=1; i<k; ++i){
w(_,i) = prob[i] * dnorm(x,mu[i], sqrt(var[i]));
}
w = w / rowSums(w)
return w;
}")
答案 0 :(得分:6)
Rcpp officially added rowSum
support in 0.12.8。因此,不需要使用Hadley在Advanced R中设计的rowSumsC
函数。
话虽如此,但代码存在一些问题。
Rcpp目前不支持Matrix
到Vector
或Matrix
到Matrix
次计算。 (可以按#583添加对后者的支持,但如果需要,可以考虑使用RcppArmadillo
或RcppEigen
)。因此,以下行存在问题:
w = w / rowSums(w)
要解决此问题,请首先计算rowSums
,然后使用传统的for
循环标准化矩阵。 注意:与 R 不同,C ++中的循环非常快。
NumericVector summed_by_row = rowSums(w);
for (int i = 0; i < k; ++i) {
w(_,i) = w(_,i) / summed_by_row[i];
}
接下来,C ++索引从0
而不是1
开始。因此,以下for循环是有问题的:
for (int i=1; i<k; ++i)
修复:
for (int i=0; i<k; ++i)
最后,函数的参数可以减少,因为某些值不相关或被覆盖。
函数声明来自:
NumericMatrix Expcpp(NumericVector x, NumericMatrix w,
NumericVector mu, NumericVector var, NumericVector prob, int k)
要:
NumericMatrix Expcpp(NumericVector x, NumericVector mu, NumericVector var, NumericVector prob) {
int n = x.size();
int k = mu.size();
NumericMatrix w = no_init(n,k);
.....
将上述所有反馈放在一起,我们得到了理想的功能。
Rcpp::cppFunction(
'NumericMatrix Expcpp(NumericVector x, NumericVector mu, NumericVector var, NumericVector prob) {
int n = x.size();
int k = mu.size();
NumericMatrix w = no_init(n,k);
for (int i = 0; i < k; ++i) { // C++ indices start at 0
w(_,i) = prob[i] * dnorm(x, mu[i], sqrt(var[i]));
}
Rcpp::Rcout << "Before: " << std::endl << w << std::endl;
NumericVector summed_by_row = rowSums(w);
Rcpp::Rcout << "rowSum: " << summed_by_row << std::endl;
// normalize by column to mimic R
for (int i = 0; i < k; ++i) {
w(_,i) = w(_,i) / summed_by_row[i];
}
Rcpp::Rcout << "After: " << std::endl << w << std::endl;
return w;
}')
set.seed(51231)
# Test values
n <- 2
x <- seq_len(n)
mu <- x
var <- x
prob <- runif(n)
mat <- Expcpp(x, mu, var, prob)
<强>输出强>
Before:
0.0470993 0.125384
0.0285671 0.160996
rowSum: 0.172483 0.189563
After:
0.273066 0.661436
0.165623 0.849300