优化循环

Question

我正在实施“统计学习元素：数据挖掘，推理和预测（Hashtle，Tibshirani，Friedman）”一书中给出的示例。

我的目标是从两个二元正态分布生成10 + 10平均值，然后使用前10个方法生成标记为“绿色”的点，其他十个方法生成“红色”点。必须从中生成一个点的双变量高斯的平均值必须每次随机挑选。我对R不太熟悉，所以我使用了for循环，因为它越来越大，所以需要花费很多时间。这里是我的代码：

Sigma = diag(2) 
greenMeans= mvrnorm(n=10, c(1,0), Sigma) 
redMeans= mvrnorm(n=10, c(0,1), Sigma) 

n=1000000 
green<- array(dim=c(n,2)) 
red<- array(dim=c(n,2)) 

for (i in 1:n) 
     { 
      newGreen<- mvrnorm(n=1,greenMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5) 
      newRed<- mvrnorm(n=1,redMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5) 
      green[i,1] <- newGreen[1] 
      green[i,2] <- newGreen[2] 
      red[i,1] <- newRed[1] 
      red[i,2] <- newRed[2] 
    } 

Answer 1

您可以完全跳过for循环和使用replicate，不知道它是如何更快，但：

do_stuff = function() { 
    newGreen<- mvrnorm(n=1,greenMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5) 
    newRed<- mvrnorm(n=1,redMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5)   
    return(list(newGreen, newRed)) 
} 
replicate(10000, do_stuff)