使用 R 中的應用函數族進行矢量化

Question

我正在使用線性回歸 model，我想手動計算一些性能指標。 我使用 Leave One Out Cross-Validation (LOOCV) 拆分數據。

下面的 R 代碼給了我想要的結果，但需要很長時間，因為我使用的是帶有 LOOCV 的 for 循環。

有沒有辦法快速重寫我的代碼，例如，在 R 中應用一系列函數？

數據集從這里上傳

wdbc <- read_excel("Folds5x2_pp.xlsx") 
wdbc[] <- lapply(wdbc, scale)

   dim(wdbc)

9568    5

   head(wdbc)

1 -0.629 -0.987  1.82  -0.00952  0.521
2  0.742  0.681  1.14  -0.975   -0.586
3 -1.95  -1.17  -0.185  1.29     2.00 
4  0.162  0.237 -0.508  0.228   -0.462
5 -1.19  -1.32  -0.678  1.60     1.14 
6  0.888  0.404 -0.173 -0.996   -0.627

fitted_value <- rep(0,nrow(wdbc))

for(i in 1:nrow(wdbc)){
test<-wdbc[i,]
training<-wdbc[-i,]
m=lad(PE ~ ., data=training, method="BR")

co.data = coef(m)
x = cbind(1, as.matrix(test[, !(colnames(test) %in% "PE")]))
fitted_value[i] <- x %*% co.data
    }

R2<-(cor(wdbc$PE,fitted_value)^2) 
SAD<-sum(abs(wdbc$PE-fitted_value))

c(round(SAD,2) ,round(R2,2))

注1

問題中使用的數據僅用於解釋，因為在我的項目中，我有許多高維度的數據集。

編輯

根據@Dominic van Essen 的回答，我使用了來自parallel package 的parSapply function 的以下 R 代碼，但它需要的時間比 for 循環多。

library(parallel)

mycluster=makeCluster(detectCores()-1) 
wdbc <- read_excel("Folds5x2_pp.xlsx") 
wdbc[] <- lapply(wdbc, scale)
clusterExport(mycluster,c("lad","wdbc")) 

fitted_value = parSapply(mycluster,seq_len(nrow(wdbc)),function(i) {
    for(i in 1:nrow(wdbc)){
    test<-wdbc[i,]
    training<-wdbc[-i,]
    m=lad(PE ~ ., data=training, method="BR")

    co.data = coef(m)
    x = cbind(1, as.matrix(test[, !(colnames(test) %in% "PE")]))
  }
    return (x %*% co.data)
})

筆記2

我有 8 個核心，“PE”是我數據集中的因變量。

Answer 1

您可以使用sapply而不是for...輕松地重新編寫循環，盡管正如 bzki 評論的那樣，僅此一項不會加快您的代碼：

# sapply version:
fitted_value = sapply(seq_len(nrow(wdbc)),function(i) {
    # put all the gubbins in here
    # ...
    return (x %*% co.data)
})

但是，如果您的計算機上有多個可用內核，或者 - 甚至更好 - 訪問具有許多處理器的服務器，則可以使用“並行” parSapply中的 parSapply 輕松並行化sapply循環，如下例所示：

# slow sapply loop (takes 12s):
data=123
answer = sapply(1:12,function(i) {
    Sys.sleep(1)
    return(data+i)
})
# faster parallel version (takes 4s on my laptop with 4 cores):
library(parallel)
mycluster=makeCluster(detectCores()-1) # leave 1 core available for system 
data=123
clusterExport(mycluster,"data") # specify variable(s) that should be available to parallel function
answer = parSapply(mycluster,1:12,function(i) {
    Sys.sleep(1)
    return(data+i)
})
stopCluster(mycluster)