函数

  1. 编写一个函数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"
  1. 编写一个函数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!"

Rcpp

  1. 利用Rcpp完成上节第2题,函名为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!"
  1. 通过如下命令产生样本量为2000的随机数
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