※ 引述《locka (locka)》之铭言： : (同是apply家族爱好者先shout out一下XD) : 以前看过版主C大跟其他前辈版友的讨论，结论是 apply 效率并没有比较好 : (印象中好像背後都还是用for回圈?!) : 不过我觉得向量化(vectorized)是R语言里面很重要的一个特性 : 也是functional programming跟其他程式语言不一样的地方 : 我自己也喜欢做for转apply的练习 : === 分隔线 === : 以下的写法只是随便写的(甚至可以说骨子里还是for的逻辑...) : 请其他版友分享更好的写法!! : 1. cross validation: : 1.a 还是用到folds : sapply(1:5,function(i){ : testIndexes <- which(folds==i,arr.ind=T) : # 做你想做的事情 : # ex: 找测试集的最大值跟训练集的最小值 : max_intest <- max(dataset[testIndexes,]) : min_intrain <- min(dataset[-testIndexes,]) : #回传结果 : c(max_intest,min_intrain) : }) : 其实这个跟for的写法根本换汤不换药XD : 1.b 使用split (不要用cut跟folds) : 原po原本的方法是先用sample()抽样打乱原始data的顺序後再用cut()指定组别 : 提供sapply + split的做法: : sapply(split(dataset,1:5),function(x){ : test <- x # test dataset : train <- dataset[-as.numeric(row.names(x)),] # train dataset : # 做你想做的 : c(max(test),max(train)) : }) : 这个做法直接把dataset分成5份然後将该dataframe传进sapply里 : 不过须注意这作法取样的顺序跟cut不一样 : cut是111..222...333...444..555(各20次) : split是12345...12345...12345...(共20次) : 不过因为一开始已经用sample打乱过顺序了，所以个人觉得後面cut或split应该没差 : (有错请指正>"<) library(pipeR) library(data.table) N <- 100000L x <- runif(N) * 10 y <- x+rnorm(N) * 0.1 num_folds <- 10L split_idx <- seq_len(N) %>>% cut(breaks=num_folds, labels = FALSE) %>>% sample dataset <- data.table(x, y, split_idx, key = "split_idx") library(microbenchmark) microbenchmark(apply_func = { models <- seq_len(num_folds)%>>% lapply( function(i){ lm(y ~ x, dataset[split_idx != i]) }) mse_folds <- seq_len(num_folds) %>>% sapply(function(i){ mean((predict(models[[i]], dataset[split_idx == i]) - dataset[split_idx == i]$y)^2) }) }, for_loop = { models <- vector("list", num_folds) mse_folds <- vector("numeric", num_folds) for (i in seq_len(num_folds)) { models[[i]] <- lm(y ~ x, dataset[split_idx != i]) mse_folds[i] <- mean((predict(models[[i]], dataset[split_idx == i]) - dataset[split_idx == i]$y)^2) } }, times = 20L ) # Unit: milliseconds # expr min lq mean median uq max neval # apply_func 192.4187 199.8315 236.0988 209.2901 284.0653 365.0350 20 # for_loop 198.8673 206.2947 230.8822 210.7969 260.0005 301.9913 20 基本上没差多少，开心用什麽就用什麽，重点还是forloop前的变数要allocate apply写法有很多种，有人是不存model，那就不用拆两段 有人直接一次return list(model, mse)，这样也不用拆两段 我是觉得apply或是for-loop看coder开心就好XD 请参考 https://webptt.com/cn.aspx?n=man/R_Language/D5C7/M.1437921117.A.AC4.html : 2. 偷偷问的小问题 : x <- c(2:3) : y <- c(4:8) : sapply(x,function(i){ : i*y : }) : 其实我後来很常用 : sapply(x,function(){ : .... : }) 可以用microbenchmark去看效能，我猜其实没差 这个例子outer最快 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.163.170.73 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1585186274.A.9D9.html ※ 编辑: celestialgod (118.163.170.73 台湾), 03/26/2020 09:34:53