my_sqrt,用以计算输入参数的开方,要求检验输入是否为非负数。#用 stopifnot 检查
my_sqrt <- function(x){
stopifnot(x>=0)
num<-sqrt(x)
return(round(num,3)) #保留三位小数
}
#例子
z <- c(4,2,1)
my_sqrt(z)
## [1] 2.000 1.414 1.000
#z <- c(4,2,-1) #停止实例
#my_sqrt(z)
#用ifelse判断 并用^0.5开方
my_sqrt <- function(x){
num<-ifelse(x >= 0, round(x^0.5,3),"输入值是负值")
return(num)
}
#例子
z <- c(4,2,1)
my_sqrt(z)
## [1] 2.000 1.414 1.000
z <- c(4,2,-1)
my_sqrt(z)
## [1] "2" "1.414" "输入值是负值"
lmR,输入参数为 \(y\in\mathbb{R}^n\) 和 \(X \in \mathbb{R}^{n\times p}\),函数是用以求解以下问题\[ \min_{\beta\in \mathbb{R}^p} \|y-X\beta\|^2 \] 返回求得的\(\beta\)值,要求检验 \(y\)的维数和 \(X\)的行数一致。如果存在不可逆的情形,返回错误信息“矩阵不可逆!”
lmR<-function(y,X){
n1<-nrow(y);n2<-nrow(X) #此处正常输入的y是n*1的,X是n*p
if(n1!=n2){
print("y的维数和X的行数不一致!")
} else if(det(t(X) %*% X)==0){
print("矩阵不可逆!")
} else{
beta<-solve(t(X)%*%X) %*% t(X) %*% y
return(beta)
}
}
#一些例子
y<-matrix(c(1,2),nrow=2,ncol=1)
X<-matrix(c(1,-1, 1,1), nrow=2, ncol=2, byrow=TRUE)
beta1 <- lmR(y,X)
print(beta1)
## [,1]
## [1,] 1.5
## [2,] 0.5
y<-matrix(1:3,nrow=3,ncol=1)
X<-matrix(c(1,-1, 1,1), nrow=2, ncol=2, byrow=TRUE)
beta1 <- lmR(y,X)
## [1] "y的维数和X的行数不一致!"
print(beta1)
## [1] "y的维数和X的行数不一致!"
y<-matrix(1:2,nrow=2,ncol=1)
X<-matrix(c(1,1, 1,1), nrow=2, ncol=2, byrow=TRUE)
beta1 <- lmR(y,X)
## [1] "矩阵不可逆!"
print(beta1)
## [1] "矩阵不可逆!"
lmRcpp。library(Rcpp)
library(RcppEigen)
sourceCpp(code='
//[[Rcpp::depends(RcppEigen)]]
#include <RcppEigen.h>
using namespace Eigen;
using namespace std;
//[[Rcpp::export]]
MatrixXd lmRCpp(MatrixXd y, MatrixXd X){
MatrixXd z1=MatrixXd::Zero(1,1);
MatrixXd z2=MatrixXd::Zero(2,2);
if(y.rows()!=X.rows()){
return z1;
}
else{
if((X.transpose()*X).determinant()==0){
return z2;
}
else{
MatrixXd res=((X.transpose()*X).inverse())*X.transpose()*y;
return res;
}
}
}
')
#一些例子
y<-matrix(c(1,2),nrow=2,ncol=1)
X<-matrix(c(1,-1, 1,1), nrow=2, ncol=2, byrow=TRUE)
beta1 <- lmRCpp(y,X)
if(min(beta1)==0){
if(max(beta1)==0){
if(nrow(beta1)==1)print("y的维数和X的行数不一致!")else print("矩阵不可逆!")
}else print(beta1)
}else print(beta1)
## [,1]
## [1,] 1.5
## [2,] 0.5
y<-matrix(1:3,nrow=3,ncol=1)
X<-matrix(c(1,-1, 1,1), nrow=2, ncol=2, byrow=TRUE)
beta1 <- lmRCpp(y,X)
if(min(beta1)==0){
if(max(beta1)==0){
if(nrow(beta1)==1)print("y的维数和X的行数不一致!")else print("矩阵不可逆!")
}else print(beta1)
}else print(beta1)
## [1] "y的维数和X的行数不一致!"
y<-matrix(1:2,nrow=2,ncol=1)
X<-matrix(c(1,1, 1,1), nrow=2, ncol=2, byrow=TRUE)
beta1 <- lmRCpp(y,X)
if(min(beta1)==0){
if(max(beta1)==0){
if(nrow(beta1)==1)print("y的维数和X的行数不一致!")else print("矩阵不可逆!")
}else print(beta1)
}else print(beta1)
## [1] "矩阵不可逆!"
X <- MASS::mvrnorm(n, mu=rep(0,p), Sigma = diag(1,p))
beta <- runif(p, 1,3)
y <- X%*%beta + rnorm(n)
分别在 \(p=10, 100, 1000\)的情形下比较R函数和Rcpp函数的性能,要求重复次数为100次。
library(rbenchmark)
n=2000
p<-c(10,100,1000)
res <- list()
for(i in 1:3){
X <- MASS::mvrnorm(n, mu=rep(0,p[i]), Sigma = diag(1,p[i]))
beta <- runif(p[i], 1,3)
beta_1<-as.matrix(beta)
y <- X%*%beta_1 + rnorm(n) #函数用的是矩阵形式,故修改了一下beta的形式
res[[i]]<- benchmark(lmR(y,X),lmRCpp(y,X), order="relative",columns=c("test","replications","elapsed","relative"),replications=100)
}
res
## [[1]]
## test replications elapsed relative
## 2 lmRCpp(y, X) 100 0.10 1.0
## 1 lmR(y, X) 100 0.37 3.7
##
## [[2]]
## test replications elapsed relative
## 2 lmRCpp(y, X) 100 5.64 1.000
## 1 lmR(y, X) 100 22.82 4.046
##
## [[3]]
## test replications elapsed relative
## 2 lmRCpp(y, X) 100 470.98 1.000
## 1 lmR(y, X) 100 2108.58 4.477