(我的英特尔酷睿i7为2.9 GHz，内存为16 GB ) 40,000 x 1,000矩阵的叉积需要20秒以上： user system elapsed 有没有办法让它变得更快？
浏览 11提问于2018-12-12得票数 1
回答已采纳
我在许多地方(例如，和 )看到，人们使用以下公式计算两个向量距离的平方范数在R编程语言中，这变成了sum( (x-y)^2 )# Create reproducible vectorsx <- rnorm(n)system.time(<em
浏览 25提问于2019-11-20得票数 2
回答已采纳
考虑以下几点p <- 2我想计算矩阵每一行的范数，即计算sqrt(crossprod(a_i))，其中a_i是foo我认为更简单的apply代码会更快：Unit: millisecondspurrr是否有更快的功能？
编辑我不敢相信crossprod(x)会比sum(x*x)慢很多，所以我
浏览 1提问于2017-12-04得票数 1
回答已采纳
我不知道这次行动(在R中)其中B是一个正的半定矩阵，可以通过任何代数技巧进行简化，以使它更快(超越crossprod(A,B)%*%A，Rcpp)。
浏览 1提问于2021-02-03得票数 0
因此，如果我尝试使用Matrix::crossprod(b)，我会得到： [,1]但是如果我尝试使用Matrix::crossprod(A[1,,drop=FALSE])，我会得到：
[1,] . . . . . . . .在第二种情况下，我如何才能高效地获得49 (Matrix::crossprod</e
浏览 0提问于2015-10-29得票数 0
我能够使用标准的循环使其工作，但是当我试图使它并行运行以使代码运行得更快时，它不会给出相同的答案。问题是，我无法使用foreach循环方法得到相同的答案。array(0, c(ncol(x), ncol(x)))
for (j in 1:(i - 1)) {
}
浏览 0提问于2015-01-19得票数 2
回答已采纳
1回答
当X和Y都是矩阵时，crossprod(X,Y)究竟什么时候比t(X) %*% Y更好？文件上说
请注意，在更新版本的R和BLAS库(截至2007年夏季)中，R的%*%能够检测到mm中的多个零并快捷许多操作，因此对于
浏览 1提问于2017-03-13得票数 4
回答已采纳
1回答
3, ncol = 5)我想计算这些矩阵的行的crossprod目前我是这样做的：for(i in 1:3){}apply有没有一种惯用的方法可以更快地做到这一点？我想改进下面这段代码
beta_numerator <- matr
浏览 0提问于2017-09-01得票数 1
1回答
有什么办法可以避免它使应用程序更快吗？EWS <<- GetEWSData() wtSafetyRatio <<- round(as.numeric(crossprodSafetyRatio,MONTHLYSALES$Weights)/sum(MONTHLYSALES$Weights)),2)
wtHealthScore <<- round(as.numeric(crossprodHealth
浏览 1提问于2019-04-12得票数 1
回答已采纳
1回答
多向量余弦相似度的快速计算
、、、、
我很想知道如何优化代码，以计算向量x (具有长度l)与n其他向量的余弦相似性(存储在任何结构中，比如带有n行和l列的矩阵m )。
n的值通常要比l的值大得多。
浏览 4提问于2017-03-30得票数 3
3回答
有更快的方法吗？
user system elapsed > system.time(f_crossprod2system.time(f_Rcpp(go))163.236 84.226 249.240
然后，我用大约9,000个元素的整个列表对outer和Matrix::crosspro
浏览 1提问于2017-04-28得票数 4
回答已采纳
2回答
我知道如何使用列表理解来做到这一点，但是我如何实现一个函数来递归计算给定两个集合的笛卡儿积呢？这就是我被困的地方(而且我是个菜鸟)crossProd xs ys | xs == [] || ys == []= []它的输出给我
(1,4)，(1,5)，
浏览 3提问于2013-02-15得票数 3
1回答
递归矩阵的快速交叉积
、、、、
我有一个矩阵A的递归计算(这将是一个帽子矩阵)，例如：对于每一步i，我都需要A(i)的跟踪。在R中是否有比以下实现更快的实现方法：set.seed(123)steps <- 10ptm <- proc.time() Amat[[i
浏览 0提问于2013-07-30得票数 3
回答已采纳
虽然我的实现直接转换线性代数的s =1(下面)是更快的小样本大小(n)，H <- tcrossprod(tcrossprod(X, solve(crossprod(X))), X)
X.r <- X[, -2]
H1<- tcrossprod(tcrossprod(X.r, solve(crossprod(X.r))),
浏览 2提问于2020-10-26得票数 0
1回答
我有两个值的向量和一个权重的向量，我需要计算余弦相似度。由于复杂的原因，我一次只能计算一对余弦。但我得做几百万次。 #scale both vectors by the weights, then compute the cosine of the scaled vectors b = b*wts}示例数据：
a = c(-1.2092420, -0.7053822, 1
浏览 4提问于2011-11-17得票数 7
回答已采纳
1回答
这里可能有解决办法/答案，但我找不到。x <- data.frame(id = rep(1:3, each = 2), id v12 1 B4 2 B6 3 C v1 A B
浏览 3提问于2021-02-12得票数 1
回答已采纳
1回答
但是我不知道如何编写一个函数来完成它，即使经过了大量的搜索。我想肯定有一个直截了当的解决方案，我忽略了。请帮帮我！UPDATE：感谢@Ian和@thelatemail，解决方案很简单：或crossprod(table(df$x, df$
浏览 2提问于2020-06-03得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
