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。

答

my_sqrt<-function(x){
  if(x>=0) return(sqrt(x)) else print('请输入非负数')
}
my_sqrt(4)
## [1] 2
my_sqrt(-4)
## [1] "请输入非负数"
  1. 编写一个函数lmR,输入参数为 \(y\in\mathbb{R}^p\) 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!”

答

lmR<-function(y,X){
  if(det(t(X)%*%X)==0) print("矩阵不可逆!")
  if(length(y)!=nrow(X)) print("样本数量不一致")
  else return(solve(t(X)%*%X)%*%t(X)%*%y)
}
lmR(y=c(1:4),X=matrix(1:25,ncol=5))
## [1] "矩阵不可逆!"
## [1] "样本数量不一致"
lmR(y=c(4,7,9,3,5),X=matrix(runif(25,-1,1),ncol=5))
##             [,1]
## [1,]   6.6720061
## [2,]   7.3720965
## [3,] -17.7998600
## [4,] -13.6558686
## [5,]   0.8992578

Rcpp

  1. 利用Rcpp完成上节第2题,函名为lmRcpp。

注意事项

  1. Rcpp函数中对于矩阵的运算利用RcppEigen包或者RcppArmadillo包更为方便;在用RcppEigen库时需要在R中library或者require Rcpp和RcppEigen两个包,并在Rcpp中设置使用该环境//“[[Rcpp::depends(RcppEigen)]] #include <RcppEigen.h> using namespace Eigen; using namespace std;”;
  2. // [[Rcpp::export]]表示Rcpp函数的输出,使得在R环境中可以调用;
  3. RcppEigen环境中要保证return出的结果的数据类型与函数名前设置的数据格式一致;
  4. RcppEigen环境中每行代码结束需要用;结尾
  5. RcppEigen环境中的中文输出用Rprintf(“矩阵不可逆”)或者Rcout<<“矩阵不可逆”<<endl;
library(Rcpp)
library(RcppEigen)
sourceCpp(code='
// [[Rcpp::depends(RcppEigen)]]
#include <RcppEigen.h>
using namespace Eigen;
using namespace std;

// [[Rcpp::export]]
VectorXd lmRcpp(VectorXd y,MatrixXd X){
  MatrixXd XX=(X.transpose()*X);
  if(XX.determinant()==0){
    VectorXd result = VectorXd::Zero(2);
    Rprintf("矩阵不可逆");
    return result;
  }
  if(y.size()!=X.rows()){
    VectorXd result = VectorXd::Zero(2);
    Rprintf("样本数量不一致");
    return result;
  }
  else{
    VectorXd res=(X.transpose()*X).inverse()*X.transpose()*y;
    return res;
  }

}
')
lmRcpp(y=c(1:5),X=matrix(1:25,ncol=5))
## 矩阵不可逆
## [1] 0 0
lmRcpp(y=c(1:4),X=matrix(runif(25,-1,1),ncol=5))
## 样本数量不一致
## [1] 0 0
lmRcpp(y=c(4,7,9,3,5),X=matrix(runif(25,-1,1),ncol=5))
## [1]  7.430117  3.270574 -5.356781  9.957739 -1.021789
  1. 产生样本量为2000的随机数,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。

注意事项

  1. rbenchmark包中的benchmark函数可以对比两个函数的运行时间:

test:为每个单独的基准测试命名的字符串。如果对应的表达式以命名参数的形式传递给benchmark,则会使用该名称;否则,将使用转换为字符串的表达式本身。

relative:包含相对于最短基准值的基准值的列。此计算中使用的基准值取自使用相对参数指定的列。

replications: 重复次数

  1. 题目要求对比的lmR和lmRcpp两个函数在矩阵运算方面的表现;
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)
  y <- X%*%beta + rnorm(p[i])
  res[[i]]=benchmark(lmR(y,X),
            lmRcpp(y,X),
            columns=c("test","elapsed","relative"),
            order="relative",
            replications=100)
}
res
## [[1]]
##           test elapsed relative
## 2 lmRcpp(y, X)    0.01        1
## 1    lmR(y, X)    0.10       10
## 
## [[2]]
##           test elapsed relative
## 2 lmRcpp(y, X)    0.97    1.000
## 1    lmR(y, X)    4.26    4.392
## 
## [[3]]
##           test elapsed relative
## 2 lmRcpp(y, X)   96.25    1.000
## 1    lmR(y, X)  500.03    5.195