r - 优化我自己的 R 距离函数

Question

我正在尝试为我的数据创建一个新的距离函数。但是，与 stats 包中的 dist 函数相比，我的代码的性能非常慢。例如，查看欧氏距离的结果:

mydist = function (x){

  euclidean = function (a, b){
    sqrt(sum((a-b)^2))
  }

  distances = matrix(0, nrow=nrow(x), ncol=nrow(x))
  for (i in 1:nrow(x))
    for (j in 1:(i-1)){  # <- corrected this
      if (j > 0){
         distances[i,j]=euclidean(x[i,], x[j,])
         distances[j,i]=distances[i,j]
      }
    }

  distances
}


m=matrix(1:800, ncol=2)
system.time(as.dist(mydist(m)))
  usuário   sistema decorrido 
    0.714     0.000     0.716      # <- updated values with corrected version

system.time(dist(m))
  usuário   sistema decorrido 
    0.004     0.000     0.002 

我不会使用欧氏距离。我正在开发一种新的，它使用一些特定于我的数据的统计数据，例如与代理包不同的统计数据，要复杂得多。我的数据集中有数百个变量和数千个示例(行)。不能等几个小时才计算距离。

我尝试了使用 external 和 apply 的另一个代码。它比两个循环更快，但仍然很慢。有人能提出什么建议吗？

Answer 1

关键是从整个矩阵中减去每一行，而不是每一行。由于减法是按列进行的，因此只需转置矩阵即可。

m=matrix(1:800, ncol=2)
system.time(a<-as.dist(mydist(m)))
# user  system elapsed
# 1.32    0.00    1.32 

t.m<-t(m)
system.time(x<-as.dist(apply(m,1,function(x) sqrt(colSums((x - t.m)^2)))))
# user  system elapsed
# 0.04    0.00    0.03 

any(x!=a) # FALSE

但是如果你真的想要速度，你应该使用 C 库。