如何用现成R函数进行更有效率的回归运算

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

新人第一次发经验贴，希望大家多多指教哈！
一般情况下，我都是用lm()函数进行线性回归拟合。。。但是如果遇到大数据，比如一个因变量对成千个乃至上亿个自变量进行线性回归时，又或者要分析的变量有巨量的观测数时，单单使用lm()函数就吃不消了。。


说到这里，相信大家都会想到用并行运算解决。。这的确是个方法。。R也有很多pkgs可以实现这一功能。

在这想分享两个现成的R函数，使用它们能将一般的回归分析速度提高很多倍：

1. library(RcppArmadillo)                                                   #将使用这个包中的fastLmPure()函数
   
2. x = rnorm(1000)
   
3. y = rnorm(1000)
   
4. system.time(replicate(1000,lm(y~x)))
   
5. system.time(replicate(1000,lm.fit(y = y,x = cbind(rep(1,1000),x))))                       #lm.fit()函数,需要注意的一点是要自行构造设计矩阵
   
6. system.time(replicate(1000,fastLmPure(y = y,X = cbind(rep(1,1000),x))))             #fastLmPure()函数,注意参数X是大写的!!!同样要构造设计矩阵

复制代码

下面是输出结果：

1. > system.time(replicate(1000,fastLmPure(y = y,X = cbind(rep(1,1000),x))))
   
2. 用户 系统 流逝
   
3. 0.15 0.00 0.15
   
4. > system.time(replicate(1000,lm.fit(y = y,x = cbind(rep(1,1000),x))))
   
5. 用户 系统 流逝
   
6. 1.18 0.00 1.50
   
7. > system.time(replicate(1000,lm(y~x)))
   
8. 用户 系统 流逝
   
9. 4.82 0.04 6.61

复制代码

打完收工。。各位看官请轻拍。。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：R函数 有效率 如何用 replicate replica 如何