Как использовать GSL реализацию коэффициента корреляции Пирсона? - PullRequest
3 голосов
/ 24 января 2012

У меня есть два вектора с плавающей точкой, x и y, и я хочу вычислить коэффициенты корреляции Pearson . Поскольку я должен сделать это для большого количества данных (например, 10 миллионов различных векторов x и 20 тысяч различных векторов y), я использую C ++, а более конкретно функцию gsl_stats_correlation из GSL.

Вот мой код C ++:

#include <iostream>
#include <vector>
using namespace std;

#include <gsl/gsl_vector.h>
#include <gsl/gsl_statistics.h>

int main (int argc, char ** argv)
{
  vector<double> x, y;
  size_t n = 5;
  x.push_back(1.0); y.push_back(1.0);
  x.push_back(3.1); y.push_back(3.2);
  x.push_back(2.0); y.push_back(1.9);
  x.push_back(5.0); y.push_back(4.9);
  x.push_back(2.0); y.push_back(2.1);
  for(size_t i=0; i<n; ++i)
      printf ("x[%ld]=%.1f y[%ld]=%.1f\n", i, x[i], i, y[i]);

  gsl_vector_const_view gsl_x = gsl_vector_const_view_array( &x[0], x.size() );
  gsl_vector_const_view gsl_y = gsl_vector_const_view_array( &y[0], y.size() );

  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, sizeof(double),
                                          (double*) gsl_y.vector.data, sizeof(double),
                                          n );
  printf ("Pearson correlation = %f\n", pearson);

  return 0;
}

Он успешно компилируется (gcc -Wall -g pearson.cpp -lstdc ++ -lgsl -lgslcblas -o pearson), но когда я его запускаю, вывод:

x[0]=1.0 y[0]=1.0
x[1]=3.1 y[1]=3.2
x[2]=2.0 y[2]=1.9
x[3]=5.0 y[3]=4.9
x[4]=2.0 y[4]=2.1
Pearson correlation = 1.000000

Хотя очевидно, что результаты не должны быть ровно 1, как показано с помощью следующего кода R:

x <- c(1.0,3.1,2.0,5.0,2.0); y <-c(1.0,3.2,1.9,4.9,2.1)
cor(x, y, method="pearson")  # 0.99798

Чего мне не хватает?

1 Ответ

2 голосов
/ 24 января 2012

Изменить строку:

  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, sizeof(double),
                                          (double*) gsl_y.vector.data, sizeof(double),
                                          n );

до:

  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, 1,
                                          (double*) gsl_y.vector.data, 1,
                                          n );

или, если вы хотите избежать повторения «магического числа» 1:

  const size_t stride = 1;
  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, stride,
                                          (double*) gsl_y.vector.data, stride,
                                          n );

gsl_stats_correlation предполагает double, второй и четвертый аргумент - это число двойников для "шага", поэтому, передав ему sizeof(double), он прыгнул на sizeof(double)*sizeof(double) байт.

...