我目前正在RcppArmadillo
中提供的sample()命令下苦苦挣扎。当我尝试运行下面的代码时,出现错误no matching function for call to sample
,并且已经在前面添加了额外的Rcpp::
名称空间,因为在另一个post中效果很好。
我也尝试了其他几个容器类,但是我总是被这个错误困扰。下面是一些代码,它会产生错误。
任何帮助将不胜感激:)
#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadilloExtensions/sample.h>
using namespace Rcpp;
// [[Rcpp::export]]
NumericMatrix example(arma::mat fprob,
int K) {
int t = fprob.n_rows;
IntegerVector choice_set = seq_len(K);
arma::mat states(t,1); states.fill(0);
arma::rowvec p0(K);
arma::rowvec alph(K);
double fit;
p0 = fprob.row(t-1);
fit = accu(p0);
alph = p0/fit;
states(t-1,1) = Rcpp::RcppArmadillo::sample(choice_set, 1, false, alph)[0];
return wrap(states);
}
答案 0 :(得分:4)
在头文件中定义该函数:
// Enables supplying an arma probability
template <class T>
T sample(const T &x, const int size, const bool replace, arma::vec &prob_){
return sample_main(x, size, replace, prob_);
}
请注意,当您提供arma::vec == arma::colvec
时,它期望arma::rowvec
。因此,如果将p0
和alph
更改为arma::vec
,它应该可以工作。由于缺少样本数据而未经测试...
顺便说一句,同时还有一个Rcpp:::sample()
函数,以防您真的不需要Armadillo来完成其他任务。
关于@JosephWood在评论中提出的性能问题:
我的印象是Rcpp::sample()
和Rcpp::RcppArmadillo::sample()
都基于do_sample()
。因此,它们在大多数情况下应该非常相似,但我尚未对其进行基准测试。 hash algorithm(在这种情况下为selected at R level)在不进行加权采样的情况下R的较高性能来自This is what it looks like。有趣的是,R 3.6将提供一种新的采样方法,以消除当前方法中存在的偏差。