对于 R 中的循环，完成时间太长

Question

我正在尝试在 R 中重现此等式以进行内核 K-均值聚类：

但是我创建的循环完成时间太长，我不知道如何改进它，下面是出现问题的代码部分的示例：

c=3
for (g in 1:c) { 
  ans = 0
  for (k in 1:nrow(iris)) {
    for (l in 1:nrow(iris)) {
      ans = ans + (iris[k,'cluster']==g) *(iris[l,'cluster']==g)*kernelmatrix[k,l]
      }
    }
  third[g] = ans
  }

这是一个伪代码，因为它只是完整函数的一部分，表达式(iris[l,'cluster']==g)是用来验证元素iris[l,'cluster']是否属于簇g，而kernelmatrix[k,l] 它是 nxn 内核操作矩阵中的一个元素。

我知道 R 不太适合循环，所以我不知道如何改进循环。

编辑：这是带有 kernelmatrix 部分的代码，但我认为这对代码并不重要（你们都在其中读取数据，可以认为这是任何数据集，例如 iris：

## Euclidian Distance  
        # Remember: 
        #1.|| a || = sqrt(aDOTa), 
        #2. d(x,y) = || x - y || = sqrt((x-y)DOT(x-y))
        #3. aDOTb = sum(a*b)


        d<-function(x,y){
                aux=x-y
                dis=sqrt(sum(aux*aux))
                return(dis)
        }

        ##Radial Basis Function Kernel
        # Remember :
        # 1.K(x,x')=exp(-q||x-x'||^2) where ||x-x'|| is could be defined as the
        # euclidian distance and 'q' it's the gamma parameter
        rbf<-function(x,y,q=0.2){
                aux<-d(x,y)
                rbfd<-exp(-q*(aux)^2)
                return(rbfd)
        }
        #
        #calculating the kernel matrix
        kernelmatrix=matrix(0,nrow(data),nrow(data))
        for(i in 1:nrow(data)){
                for(j in 1:nrow(data)){
                        kernelmatrix[i,j]=rbf(data[i,1:(ncol(data)-1)],data[j,1:(ncol(data)-1)],q)
                }
        }

Answer 1

这可能是开始：

data("iris")
iris <- as.data.frame(iris, stringsAsFactors = FALSE)
ans <- 1:nrow(iris)
third <- ans + as.numeric(iris[,'Sepal.Length']==5)*as.numeric(iris[,'Sepal.Length']==4)

但是没有数据集和核矩阵的定义就很难

Answer 2

您尝试过使用 Kernlab package 之类的东西吗？许多程序包作者会在 C++ 中实现此类功能，因此其性能将比手动方程式高得多，即使您已将此代码矢量化（如果您希望它合理执行，这是必不可少的步骤）。

Answer 3

R 解释器确实普遍较慢。使用 for 循环还是其他循环结构似乎无关紧要。因此，尽量减少实际 R 代码的数量，当性能出现问题时，考虑用 C 重写代码。仅将 R 用作 "driver".

在你的案例中，有几个明显的问题：

你的计算应该是对称的（如果你的核函数是对称的）。如果你利用这一点，你会快两倍。如果该点不在集群中，则内循环根本不需要运行。你只是总结了零。

您选择了 k*k 次。如果循环将它们移出，只执行 k 次。然后向量化所有操作。

为了变得更快，请尝试用矩阵运算替换整个内部两个循环（这将运行在 C 中，而不是两个 R 解释器循环...）。天真地，一个乘法。但随后意识到您只是在进行选择。那么你要写的是sum(kernelmatrix[selection,selection])，对吧？

对于 R 中的循环，完成时间太长

For Loops in R that are taking too long to finish

time

for-loop

r

cluster-analysis

nested-loops