嵌套循环：多个模型参数

Question

我正在编写一个代码，该代码将计算具有多个参数的统计模型，我想在此过程中对其进行更改。然后，根据模型的性能，我会选择最好的。

我写了这么一段伪代码来说明问题：

## vectors with values of parameters

const1 <- c(300, 500)
const2 <-  c(1, 2, 3, 4, 5)
const3 <- c(30, 50, 70, 90, 110, 130)

## loop counter

i = 1

for (j in 1:length(const1)){
  for (k in 1:length(const2)){
    for (l in 1:length(const3)){

      ## i-th model

      model <- stat.model(x = train,
                          y = target,
                          param1 = const1,
                          param2 = const2,
                          param3 = const3)

      ## ... outputing model results to a data table

      ## printing the number of iteration

      cat("iteration =", i)
      i <- i+1

      ## calling garbage collector to assure free space in RAM

      gc()
    }
  }
}

如您所见，我使用嵌套的“for”循环，这可能不是 R 中最有效的编程方式。有什么方法可以缩短处理时间（并可能节省代码的易读性）？

Answer 1

您可以使用 lapply 语句对您的操作进行矢量化处理，用于您的伪代码

model <- function(x,y,z){x+y+z}

lapply(const1,function(x){
  lapply(const2,function(y){
    lapply(const3,function(z){model(x,y,z)})})})

Answer 2

for 的速度在R 中循环。

在R 中，使用嵌套for-loops 的主要问题是可读性（可能还有内存分配）。因此，如果您事先知道输出的长度，请使用vector() 创建此长度的存储对象，或者直接调用lapply 或vapply。 for-loop 本身的速度在R 中并不是一个严重的问题。

可读性

对于您的示例，您可以通过在您的三个向量上调用 expand.grid 来简单地创建您想要使用的所有可能的组合，您正在使用三个不同的嵌套 for-loops，如下所示：

combis <- expand.grid(const1 = const1,
                      const2 = const2,
                      const3 = const3)

combis <- combis[order(combis$const1, combis$const2, combis$const3), ]

lapply(seq_len(nrow(combis)), FUN = function(i) {
  model <- stat.model(x = train,
                      y = target,
                      param1 = combis[i, "const1"],
                      param2 = combis[i, "const2"],
                      param3 = combis[i, "const3"])
  model
})

并行化

如果您有多个内核可供使用，您可以使用 parallel 包中的 mclapply 轻松地将任何 lapply“循环”转换为并行版本。然后您可以通过mc.cores 参数指定核心数。这使您可以轻松地并行化循环。