優化循環

Question

我正在實施「統計學習元素：數據挖掘，推理和預測（Hashtle，Tibshirani，Friedman）」一書中給出的示例。

我的目標是從兩個二元正態分佈生成10 + 10平均值，然後使用前10個方法生成標記爲「綠色」的點，其他十個方法生成「紅色」點。必須從中生成一個點的雙變量高斯的平均值必須每次隨機挑選。我對R不太熟悉，所以我使用了for循環，因爲它越來越大，所以需要花費很多時間。這裏是我的代碼：

Sigma = diag(2) 
greenMeans= mvrnorm(n=10, c(1,0), Sigma) 
redMeans= mvrnorm(n=10, c(0,1), Sigma) 

n=1000000 
green<- array(dim=c(n,2)) 
red<- array(dim=c(n,2)) 

for (i in 1:n) 
     { 
      newGreen<- mvrnorm(n=1,greenMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5) 
      newRed<- mvrnorm(n=1,redMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5) 
      green[i,1] <- newGreen[1] 
      green[i,2] <- newGreen[2] 
      red[i,1] <- newRed[1] 
      red[i,2] <- newRed[2] 
    } 

Answer 1

您可以完全跳過for循環和使用replicate，不知道它是如何更快，但：

do_stuff = function() { 
    newGreen<- mvrnorm(n=1,greenMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5) 
    newRed<- mvrnorm(n=1,redMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5)   
    return(list(newGreen, newRed)) 
} 
replicate(10000, do_stuff)