在Rcpp
编码它可能给你买不够,你不需要并行化的额外的麻烦。下面的例子(但我不知道它会怎么做您的系统上/用真实大小的问题:10,000矩阵长度1E8的载体(相当于10,000)需要763MB,所以即使存储结果的问题60^2倍大(= 2.75Tb,如果我正确计算的话)可能会很困难......)。
x <- as.matrix(mtcars)
library(lsa)
从lsa
功能:
cosine(as.matrix(mtcars))
略简装R代码里面:
cosR <- function(x) {
co <- array(0, c(ncol(x), ncol(x)))
## f <- colnames(x)
## dimnames(co) <- list(f, f)
for (i in 2:ncol(x)) {
for (j in 1:(i - 1)) {
co[i,j] <- crossprod(x[,i], x[,j])/
sqrt(crossprod(x[,i]) * crossprod(x[,j]))
}
}
co <- co + t(co)
diag(co) <- 1
return(as.matrix(co))
}
RCPP版本,从here略加修改:
library(Rcpp)
library(RcppArmadillo)
cppFunction(depends='RcppArmadillo',
code="NumericMatrix cosCpp(NumericMatrix Xr) {
int n = Xr.nrow(), k = Xr.ncol();
arma::mat X(Xr.begin(), n, k, false); // reuses memory and avoids extra copy
arma::mat Y = arma::trans(X) * X; // matrix product
arma::mat res = Y/(arma::sqrt(arma::diagvec(Y)) * arma::trans(arma::sqrt(arma::diagvec(Y))));
return Rcpp::wrap(res);
}")
测试平等:
identical(cosR(x),unname(cosine(x)))
all.equal(cosCpp(x),cosR(x))
library(microbenchmark)
microbenchmark(cosine(x),cosR(x),cosCpp(x))
## Unit: nanoseconds
## expr min lq mean median uq max neval cld
## cosine(x) 460046 1181837 2069604.51 1530719 2528021 8757989 100 b
## cosR(x) 542414 1096448 1915011.12 1331277 2321596 11740233 100 b
## cosCpp(x) 7 12472 35827.76 17999 30556 644551 100 a
的RCPP版本快约17999分之1331277= 74倍,并且可能会在你身边的内存问题,以及(?)。
我在第三行发生错误。请修复它。 – nicola
谢谢。缺失)(我从我的手机) – pachamaltese
错误仍然存在。请花点时间问一个好问题。张贴之前始终测试您的示例。如果你现在不能,那么稍后再做。 – nicola