对于 R 中需要很长时间才能完成的循环答案

【问题标题】：For Loops in R that are taking too long to finish对于 R 中需要很长时间才能完成的循环
【发布时间】：2018-11-07 10:47:47
【问题描述】：

我试图在 R 中重现这个方程来进行内核 K-Means 聚类：

但是我创建的循环需要很长时间才能完成，我不知道如何改进它，这是给出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)是为了验证元素iris[l,'cluster']是否属于集群g，而kernelmatrix[k,l]是来自nxn 内核操作矩阵。

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（你们都读取数据的地方，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)
                }
        }

【问题讨论】：

正如你所说，R 不适合 for 循环。您的代码似乎“可矢量化”，因此 apply() 家族应该可以解决问题。另一种解决方案是使用Rcpp。
实际上 R 在循环方面很出色，尤其是最近的更新 - 请参阅 post。我在代码中看到的问题是它有 3 个 for 循环。可以dput(kernelmatrix)吗？
iris 没有cluster 列？
没有，但这相当于每个物种对应一个数字
你有没有尝试找到已经有计算kk mreas功能的包？例如rdocumentation.org/packages/kernlab/versions/0.9-26/topics/…

标签： r for-loop time cluster-analysis nested-loops

【解决方案1】：

R 解释器确实通常很慢。使用 for 循环还是其他循环结构似乎并不重要。所以尽量减少实际 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“驱动程序”。

在你的情况下，有几个明显的问题：

您的计算应该是对称的（如果您的核函数是对称的）。如果你利用这一点，你会快两倍。如果该点不在集群中，则内部循环根本不需要运行。你总结的只是零。

你做了 k*k 次选择。如果循环将它们移出，只做 k 次。然后向量化所有操作。

为了变得更快，尝试用矩阵运算替换整个内部两个循环（它将在 C 中运行，而不是两个 R 解释器循环......）。天真地，乘法。但随后意识到你只是在做一个选择。那你要写的是sum(kernelmatrix[selection,selection])，对吧？

【讨论】：

正是我想在我的数据集中观察属于一个集群的观察结果，并使用该信息来计算内核矩阵中的元素。谢谢你，我会尝试做你建议的修改

【解决方案2】：

您是否尝试过使用Kernlab package 之类的东西？许多包作者会在 C++ 中实现这样的东西，因此即使你已经对这段代码进行了矢量化（如果你希望它合理地执行，这是必不可少的步骤），它的性能也会比手动计算的方程高得多。

【讨论】：

我尝试使用 Kernlab 包，但无法返回集群的值...

【解决方案3】：

这可能是一个开始：

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很难

【讨论】：