c++ - 分配矩阵列标准偏差的 vector 正在改变其值(RcppArmadillo)

Question

我正在研究一个 RcppArma 包，我正在集中和标准化增强算法的设计矩阵，这是精简的代码:

// [[Rcpp::depends(RcppArmadillo)]]

#include <RcppArmadillo.h>
using namespace Rcpp;
using namespace arma;

// [[Rcpp::export]]
List centering(arma::mat & X) {

   int p = X.n_cols;

   rowvec meanx(p);
   rowvec sigmax(p);

    meanx=mean(X,0);
    sigmax=stddev(X,0);

    for(int j=0;j<p;j++)
    {
      X.col(j)=X.col(j)-meanx(j);
      X.col(j)=X.col(j)/sigmax(j);
    }

  return List::create(Named("sigma") = sigmax, Named("X") = X);
}

居中工作正常，但在居中之后 vector “sigmax”的所有值都等于“1”，因此 vector 以某种方式将自身更新为居中矩阵 X 的新标准差，而无需重新分配。我需要原始值来反向变换系数。为什么要这样做？我怎样才能避免这种情况？

我用以下代码测试了 R 中的函数:

set.seed(42)    
X <- replicate(10, rnorm(100, 5, 3))
res <- centering(X)
res <- centering(X)

第二次调用时出现问题。第一次成功。

Answer 1

简单地说:不要在函数定义中的参数 X 旁边使用引用 (&)。这激活了 RcppArmadillo 对 an advanced constructor for arma::mat 的使用，它重新使用了 R 对象内存(c.f. include/RcppArmadilloWrap.h)

因此，要解决此问题，请从:

List centering_reuse_memory(arma::mat & X) {
                                    # ^ reference/reuse
  # Routine given in OP
}

收件人:

List centering_new_memory(arma::mat X) {
                                 # ^ Direct copy

  # Routine given in OP
}

了解分享...

让我们来看看对象是如何变化的。

# Create the original object
set.seed(42)    
X <- replicate(3, rnorm(5, 5, 3))

# Create a duplicate object not sharing memory with X
set.seed(42)    
X_clone <- replicate(3, rnorm(5, 5, 3))

# View object
X
#         [,1]      [,2]       [,3]
# [1,] 9.112875  4.681626  8.9146090
# [2,] 3.305905  9.534566 11.8599362
# [3,] 6.089385  4.716023  0.8334179
# [4,] 6.898588 11.055271  4.1636337
# [5,] 6.212805  4.811858  4.6000360

# Check equality
all.equal(X, X_clone)
# [1] TRUE

现在，使用 arma::mat & X 的参数 pass 运行函数

res <- centering_reuse_memory(X)

# Verify results are the same.
all.equal(X, X_clone)
# [1] "Mean relative difference: 8.387859"

# Check X manually to see what changed... 
X
#             [,1]       [,2]       [,3]
# [1,]  1.34167459 -0.7368308  0.6566715
# [2,] -1.45185917  0.8327104  1.3376293
# [3,] -0.11282266 -0.7257062 -1.2116948
# [4,]  0.27645691  1.3245379 -0.4417510
# [5,] -0.05344967 -0.6947113 -0.3408550

为什么会有差异？好吧，通过使用引用，C++ 函数中的修改传播回位于 R 中的 X 变量，匹配存储在 res$X 的对象。

# Verify R's X matches the saved C++ routine X modification
all.equal(X, res$X)
# [1] TRUE