3

假设我有一个 20 X 5 矩阵，我想选择矩阵的子集并用它们进行一些计算。进一步假设每个子矩阵是 7 X 5。我当然可以

ncomb <- combn(20, 7)

这给了我 7 个行索引的所有可能组合，我可以使用这些来获得子矩阵。但是对于一个小的 20 X 5 矩阵，已经有 77520 种可能的组合。所以我想随机抽取一些组合，例如其中的 5000 个。

一种可能性如下：

ncomb <- combn(20, 7)
ncombsub <- ncomb[, sample(77520, 5000)]

也就是说，我得到了所有可能的组合，然后随机选择了5000个组合。但我想，如果我有一个更大的矩阵——比如 100 X 7，计算所有可能的组合会有问题。

所以我想知道是否有一种方法可以在不首先获得所有可能组合的情况下获得组合子集。

4

2 回答 2

3

你的方法：

op <- function(){
    ncomb <- combn(20, 7)
    ncombsub <- ncomb[, sample(choose(20,7), 5000)]
    return(ncombsub)
}

另一种策略是简单地从原始矩阵中对七行进行 5000 次采样（用新样本替换任何重复的样本，直到找到 5000 个唯一的行组合）：

me <- function(){
  rowsample <- replicate(5000,sort(sample(1:20,7,FALSE)),simplify=FALSE)
  while(length(unique(rowsample))<5000){
     rowsample <- unique(rowsample)
     rowsample <- c(rowsample,
                    replicate(5000-length(rowsample),
                              sort(sample(1:20,7,FALSE)),simplify=FALSE))
  }
  return(do.call(cbind,rowsample))
}

这应该更有效，因为它可以避免您必须首先计算所有组合，随着矩阵变大，这将变得昂贵。

然而，一些基准测试表明情况并非如此。至少在这个矩阵上：

library(microbenchmark)
microbenchmark(op(),me())

Unit: milliseconds
 expr      min       lq   median      uq      max neval
 op() 184.5998 201.9861 206.3408 241.430 299.9245   100
 me() 411.7213 422.9740 429.4767 474.047 490.3177   100
于 2013-08-17T20:39:04.187 回答
3

combn()通过修改和字节编译代码，我最终按照@Roland 的建议做了：

combn_sub <- function (x, m, nset = 5000, seed=123, simplify = TRUE, ...) {
    stopifnot(length(m) == 1L)
    if (m < 0) 
        stop("m < 0", domain = NA)
    if (is.numeric(x) && length(x) == 1L && x > 0 && trunc(x) == 
        x) 
        x <- seq_len(x)
    n <- length(x)
    if (n < m) 
        stop("n < m", domain = NA)
    m <- as.integer(m)
    e <- 0
    h <- m
    a <- seq_len(m)
    len.r <- length(r <-  x[a] )
    count <- as.integer(round(choose(n, m)))
    if( count < nset ) nset <- count
    dim.use <- c(m, nset)       

    ##-----MOD 1: Change the output matrix size--------------
    out <- matrix(r, nrow = len.r, ncol = nset) 

    if (m > 0) {
        i <- 2L
        nmmp1 <- n - m + 1L

        ##----MOD 2: Select a subset of indices
        set.seed(seed)
        samp <- sort(c(1, sample( 2:count, nset - 1 )))  

        ##----MOD 3: Start a counter.
        counter <- 2L    

        while (a[1L] != nmmp1 ) {
            if (e < n - h) {
                h <- 1L
                e <- a[m]
                j <- 1L
            }
            else {
                e <- a[m - h]
                h <- h + 1L
                j <- 1L:h
            }
            a[m - h + j] <- e + j

            #-----MOD 4: Whenever the counter matches an index in samp, 
            #a combination of row indices is produced and stored in the matrix `out`
            if(samp[i] == counter){ 
                out[, i] <- x[a]
                if( i == nset ) break
                i <- i + 1L
            }
            #-----Increase the counter by 1 for each iteration of the while-loop
            counter <- counter + 1L
        }
    }
    array(out, dim.use)
}

library("compiler")
comb_sub <- cmpfun(comb_sub)
于 2013-08-18T18:07:33.673 回答