在R中的大型基质中加速一系列计算

Question

在编程或数学上有任何建议，以加快R？我包括了一些生成的数据，这些数据与我正在使用的真实数据方案非常匹配。我还试图使用应用和拍摄，并试图将其变成一个稀疏的矩阵，因为它具有很多0，但到目前为止，这是我提出的最快的方法。有什么建议使其更快吗？我需要进行10,000次计算。

数据与我的方案紧密匹配：

set.seed(7)
# same size matrix as my real data data puzzle
A <- matrix(rbeta((13163*13163),1,1), ncol = 13163, nrow = 13163)
# turn a bunch to 0 to more closely match that I have a lot of 0's in real data
A[A < 0.5] <- 0
# create binary matrix
z <- matrix(rbinom((13163*13163), 1, 0.25), ncol = 13163, nrow = 13163)

我发现rfast :: rowsums为我提供了最快的结果。

start1 <- Sys.time()
testA <- 1 - exp(Rfast::rowsums(log(1-A*z)))
stop1 <- Sys.time()
stop1 - start1

赦免我笨拙的基准测试方法...

Answer 1

您可以摆脱exp()和log()：

testB <- 1 - Rfast::rowprods(1-A*z)

这快8倍。

然而，当您将许多数字乘以0到1之间，最终到处都有0，因此输出向量为1s。