performance - 在循环中使用 kernlab 包中的 rbfdot 性能不佳

Question

我的缓慢工作代码的简化示例(函数 rbf 来自 kernlab 包)需要加速:

install.packages('kernlab')       
library('kernlab')

rbf <- rbfdot(sigma=1)

test <- matrix(NaN,nrow=5,ncol=10)
for (i in 1:5) {
               for (j in 1:10) { test[i,j] <- rbf(i,j)}
               }

我试过 outer()但它不起作用，因为 rbf函数不返回所需的长度 (50)。我需要加快这段代码的速度，因为我有大量数据。我读过矢量化将是加快速度的 chalice ，但我不知道如何。

你能指出我正确的方向吗？

Answer 1

如果 rbf确实是调用 rbfdot 的返回值，然后 body(rbf)看起来像

{
    if (!is(x, "vector")) 
        stop("x must be a vector")
    if (!is(y, "vector") && !is.null(y)) 
        stop("y must a vector")
    if (is(x, "vector") && is.null(y)) {
        return(1)
    }
    if (is(x, "vector") && is(y, "vector")) {
        if (!length(x) == length(y)) 
            stop("number of dimension must be the same on both data points")
        return(exp(sigma * (2 * crossprod(x, y) - crossprod(x) - 
            crossprod(y))))
    }
}

由于其中大部分由检查功能组成，而 crossprod当你只传递标量时简化，我认为你的函数简化为

rbf <- function(x, y, sigma = 1)
{
  exp(- sigma * (x - y) ^ 2)
}

为了进一步加快速度，请使用 compiler包(需要 R-2.14.0 或更高版本)。

rbf_loop <- function(m, n)
{
  out <- matrix(NaN, nrow = m, ncol = n)
  for (i in seq_len(m)) 
  {
    for (j in seq_len(n)) 
    { 
      out[i,j] <- rbf(i,j)
    }
  }
  out
)

library(compiler)
rbf_loop_cmp <- cmpfun(rbf_loop)

然后比较 rbf_loop_cmp(m, n)的时间与你以前的一样。

简化步骤更容易反过来看。如果您 expand (x - y) ^ 2你得到 x ^ 2 - 2 * x * y + y ^ 2 ，减去 rbf 中的内容功能。