0

我想使用 R 的 glm 包计算逻辑回归参数。我正在使用 python 并为此使用 rpy2。出于某种原因,当我使用 RI 运行 glm 函数时,得到的结果比使用 rpy2 快得多。你知道为什么使用 rpy2 的计算要慢得多吗?我正在使用 R - V2.13.1 和 rpy2 - V2.0.8 这是我正在使用的代码:

import numpy
from rpy2 import robjects as ro
import rpy2.rlike.container as rlc

def train(self, x_values, y_values, weights):
        x_float_vector = [ro.FloatVector(x) for x in numpy.array(x_values).transpose()]
        y_float_vector = ro.FloatVector(y_values)   
        weights_float_vector = ro.FloatVector(weights)
        names = ['v' + str(i) for i in xrange(len(x_float_vector))]
        d = rlc.TaggedList(x_float_vector + [y_float_vector], names + ['y'])
        data = ro.RDataFrame(d)
        formula = 'y ~ '
        for x in names:
            formula += x + '+'
        formula = formula[:-1]
        fit_res = ro.r.glm(formula=ro.r(formula), data=data, weights=weights_float_vector,  family=ro.r('binomial(link="logit")'))
4

1 回答 1

1

如果没有完整的 R 代码进行基准测试,就很难准确指出问题可能出在哪里。

您可能希望通过 Python 分析器运行它以查看瓶颈在哪里。

最后,rpy2 的当前版本是 2.2.6。除了 API 更改之外,它的运行速度更快,并且(可能)比 2.0.8 更少的错误。

编辑:根据您的评论,我现在怀疑您正在循环调用您的函数,并且大部分时间都花在构建 R 向量上(可能只需要构建一次)。

于 2012-06-20T10:52:32.740 回答