Ускорение расчета суммы точечных разностей в R

Question

Предположим, у меня есть два набора данных. Первый:

t1<-sample(1:10,10,replace = T)
t2<-sample(1:10,10,replace = T)
t3<-sample(1:10,10,replace = T)
t4<-sample(11:20,10,replace = T)
t5<-sample(11:20,10,replace = T)
xtrain<-rbind(t1,t2,t3,t4,t5)
xtrain
   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
t1    7    3    9   10    4    9    2    1    6     9
t2    5    1    1    6    5    3   10    2    6     3
t3    8    6    9    7    9    2    3    5    1     8
t4   16   18   14   17   19   20   15   15   20    19
t5   13   14   18   13   11   19   13   17   16    14

Второй:

t6<-sample(1:10,10,replace = T)
t7<-sample(11:20,10,replace = T)
xtest<-rbind(t6,t7)
xtest
   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
t6    1    5    8    2   10    2    3    4    8     5
t7   14   18   15   12   17   20   17   13   16    17

Что я хотел сделать, так это вычислить сумму расстояния между каждой строкой xtest икаждый ряд xtrain. Например:

sum((7-1)^2+(3-5)^2+(9-8)^2+.....(9-5)^2)
sum((5-1)^2+(1-5)^2+(1-8)^2+.....(4-5)^2)
...
sum((14-13)^2+(18-14)^2+(15-18)^2+.....(17-14)^2) 

В настоящее время у меня есть два цикла for (см. Ниже), которые, я не думаю, могут обрабатывать большие наборы данных:

sumPD<-function(vector1,vector2){
  sumPD1<-sum((vector1-vector2)^2)
  return(sumPD1)
}
loc<-matrix(NA,nrow=dim(xtrain)[1],ncol=dim(xtest)[1])
for(j in 1:dim(xtest)[1]){    
  for(i in 1:dim(xtrain)[1]){
     loc[i,j]<-sumPD(xtrain[i,],xtest[j,])
   }
 }

IЯ хотел бы попросить совета о том, как изменить код, чтобы сделать его эффективным. Заранее спасибо! Надеюсь на хорошую дискуссию!

Answer 1

Пакет rdist имеет функции для быстрого расчета парных расстояний следующих типов:

rdist::cdist(xtrain, xtest)^2

Вывод:

     [,1] [,2]
[1,]   65 1029
[2,]   94 1324
[3,]  165 1103
[4,] 1189  213
[5,] 1271  191

Answer 2

Один из вариантов будет outer

f1 <- Vectorize(function(i, j) sumPD(xtrain[i,], xtest[j,]))
loc2 <- outer(seq_len(nrow(xtrain)), seq_len(nrow(xtest)), f1)
identical(loc, loc2)
#[1] TRUE

Answer 3

Вы можете транспонировать свою матрицу, использовать разность векторов и один цикл:

ftrain <- t(xtrain)
ftest <- t(xtest)


sapply(1:(dim(ftest)[2]),function(i){
  colSums((ftrain - ftest[,i])^2)
})


   [,1] [,2]
t1  103 1182
t2  125 1262
t3  130 1121
t4 1478  159
t5 1329  142

colSums довольно эффективен, но посмотрите там , если вы хотите больше скорости

Answer 4

Вот два простых способа.

Использование dist - вычислит больше расстояний, чем необходимо:

dists <- as.matrix(dist(rbind(xtrain, xtest))^2)
dists <- dists[rownames(xtrain), rownames(xtest)]
dists
     t6   t7
t1  140 1179
t2  134  693
t3  119  974
t4 1028   91
t5 1085   44

Использование простых пользовательских функций, которые работают с матрицей X и вектором y:

euclid <- function(X,y) colSums((X-y)^2)
dists  <- mapply(euclid, list(t(xtrain)), split(xtest, row(xtest)))
dists
   [,1] [,2]
t1  140 1179
t2  134  693
t3  119  974
t4 1028   91
t5 1085   44