我正在尝试优化一个函数(NbCluster(以便能够处理更大的矩阵，我之前已经发布过： 减少 NbClust 内存使用 这导致我创建了一个(仍然非常实验性的(NbClust分支，它在这里：https://github.com/jbhanks/BigNbClust
主要瓶颈之一是var()功能的使用，因此我在Rfast中将其替换为cova。结果并不完全相同，我需要弄清楚它们是否足够接近以互换使用。是否会出现差异较大的其他情况？
> bigm <- matrix(rnorm(1000*1000,mean=0,sd = 3), 1000, 1000)
> v <- var(bigm)
> cvm <- cova(bigm)
> sum(v != cvm)
[1] 954579
> sum(v == cvm)
[1] 45421
> cor(c(v), c(cvm), method = "pearson")
[1] 1
> cor(c(v), c(cvm), method = "spearman")
[1] 1
> diff = v - cvm
> mean(diff)
[1] -4.557742e-19
> max(diff)
[1] 2.4869e-14
> bigm <- matrix(rnorm(10000*10000,mean=0,sd = 3), 10000, 10000)
> v <- var(bigm)
> cvm <- cova(bigm)
> sum(v != cvm)
[1] 97986031
> sum(v == cvm)
[1] 2013969
> cor(c(v), c(cvm), method = "pearson")
[1] 1
> cor(c(v), c(cvm), method = "spearman")
[1] 1
> diff = v - cvm
> mean(diff)
[1] -3.875792e-20
> max(diff)
[1] 9.05942e-14
但是，在某些现实世界的情况下(不幸的是，我无法共享实际数据(，cova会抛出错误，而var则不会。
Error in sqrt(n) : non-numeric argument to mathematical function
这似乎是在特定循环迭代的特定情况下cova获得向量而不是矩阵的结果(cova 在早期步骤中获取 dim((。我通过始终将对象强制到矩阵来修复它，但我仍然担心我的更改可能会产生意想不到的后果。我不能说我真正掌握了函数的内部工作原理，我只是用我理解为等效的函数替换了一些函数。
cova和var给你相同的结果，你从平均差异中看到它。"sum(v ！= cvm("不给出零是合理的。结果并不完全相同。