優化Markov鏈轉移矩陣計算？

Question

作為R的中級用戶，我知道for循環通常可以通過使用諸如apply或其他功能來優化。 但是，我不知道可以優化當前代碼以生成markov鏈矩陣的函數，該矩陣運行速度非常慢。 我是否已盡速而為，還是有我要忽略的事情？ 我正在嘗試通過計算給定警報之前24小時內出現的次數來查找馬爾可夫鏈的轉換矩陣。 矢量ids包含所有可能的ID（大約1700）。

原始矩陣如下所示：

>matrix
      id      time
       1     1376084071
       1     1376084937
       1     1376023439
       2     1376084320
       2     1372983476
       3     1374789234
       3     1370234809

這是我的代碼來嘗試解決這個問題：

matrixtimesort <- matrix[order(-matrix$time),]
frequency = 86400 #number of seconds in 1 day

# Initialize matrix that will contain probabilities
transprobs <- matrix(data=0, nrow=length(ids), ncol=length(ids))

# Loop through each type of event
for (i in 1:length(ids)){
localmatrix <- matrix[matrix$id==ids[i],]

# Loop through each row of the event
for(j in 1:nrow(localmatrix)) {
    localtime <- localmatrix[j,]$time
    # Find top and bottom row number defining the 1-day window
    indices <- which(matrixtimesort$time < localtime & matrixtimesort$time >= (localtime - frequency))
    # Find IDs that occur within the 1-day window
    positiveids <- unique(matrixtimesort[c(min(indices):max(indices)),]$id)
    # Add one to each cell in the matrix that corresponds to the occurrence of an event

            for (l in 1:length(positiveids)){
            k <- which(ids==positiveids[l])
            transprobs[i,k] <- transprobs[i,k] + 1
            }
    }

# Divide each row by total number of occurrences to determine probabilities
transprobs[i,] <- transprobs[i,]/nrow(localmatrix)
    }
  # Normalize rows so that row sums are equal to 1
  normalized <- transprobs/rowSums(transprobs)

誰能提出建議以優化速度？

Answer 1

使用嵌套循環似乎不是一個好主意。 您的代碼可以向量化以加快速度。

例如，為什么要查找行號的頂部和底部？ 您可以簡單地將時間值與“ time_0 + frequency”進行比較：這是矢量化操作。

HTH。