r - 在 R 中使用 apply 系列函数进行矢量化

Question

我正在使用线性回归模型，我想手动计算一些性能指标。我使用留一法交叉验证 (LOOCV) 拆分数据。

以下 R 代码为我提供了所需的结果，但由于我将 for 循环与 LOOCV 一起使用，因此需要很长时间。

有没有办法以快速的方式重写我的代码，例如，在 R 中应用一系列函数？

数据集上传自 here

wdbc <- read_excel("Folds5x2_pp.xlsx") 
wdbc[] <- lapply(wdbc, scale)

   dim(wdbc)

9568    5

   head(wdbc)

1 -0.629 -0.987  1.82  -0.00952  0.521
2  0.742  0.681  1.14  -0.975   -0.586
3 -1.95  -1.17  -0.185  1.29     2.00 
4  0.162  0.237 -0.508  0.228   -0.462
5 -1.19  -1.32  -0.678  1.60     1.14 
6  0.888  0.404 -0.173 -0.996   -0.627

fitted_value <- rep(0,nrow(wdbc))

for(i in 1:nrow(wdbc)){
test<-wdbc[i,]
training<-wdbc[-i,]
m=lad(PE ~ ., data=training, method="BR")

co.data = coef(m)
x = cbind(1, as.matrix(test[, !(colnames(test) %in% "PE")]))
fitted_value[i] <- x %*% co.data
    }

R2<-(cor(wdbc$PE,fitted_value)^2) 
SAD<-sum(abs(wdbc$PE-fitted_value))

c(round(SAD,2) ,round(R2,2))

注 1

问题中使用的数据仅用于解释，因为在我的项目中，我有许多高维数据集。

编辑

基于@Dominic van Essen 的回答，我使用了以下 R 代码 parSapply函数来自 parallel包，但它比 for 循环需要更多时间。

library(parallel)

mycluster=makeCluster(detectCores()-1) 
wdbc <- read_excel("Folds5x2_pp.xlsx") 
wdbc[] <- lapply(wdbc, scale)
clusterExport(mycluster,c("lad","wdbc")) 

fitted_value = parSapply(mycluster,seq_len(nrow(wdbc)),function(i) {
    for(i in 1:nrow(wdbc)){
    test<-wdbc[i,]
    training<-wdbc[-i,]
    m=lad(PE ~ ., data=training, method="BR")

    co.data = coef(m)
    x = cbind(1, as.matrix(test[, !(colnames(test) %in% "PE")]))
  }
    return (x %*% co.data)
})

注释 2

我有 8 个内核，“PE”是我的数据集中的因变量。

Answer 1

您可以使用 sapply 轻松地重新编写循环。而不是 for... ，尽管正如 bzki 评论的那样，仅此一项不会加速您的代码:

# sapply version:
fitted_value = sapply(seq_len(nrow(wdbc)),function(i) {
    # put all the gubbins in here
    # ...
    return (x %*% co.data)
})

但是，如果您的计算机上有多个内核可用，或者 - 甚至更好 - 访问具有多个处理器的服务器，那么 sapply使用 parSapply 可以轻松地并行化循环来自 'parallel' 包，如本例所示:

# slow sapply loop (takes 12s):
data=123
answer = sapply(1:12,function(i) {
    Sys.sleep(1)
    return(data+i)
})
# faster parallel version (takes 4s on my laptop with 4 cores):
library(parallel)
mycluster=makeCluster(detectCores()-1) # leave 1 core available for system 
data=123
clusterExport(mycluster,"data") # specify variable(s) that should be available to parallel function
answer = parSapply(mycluster,1:12,function(i) {
    Sys.sleep(1)
    return(data+i)
})
stopCluster(mycluster)