我正在寻找一种更有效的方法来获取以汉明距离表示的距离矩阵。
背景
我知道有一个函数hamming.distance()
来自e1071
包,用于计算距离矩阵,但我怀疑当涉及到具有许多行的大矩阵时,它可能会非常缓慢,因为它应用了嵌套的for
循环进行计算。
到目前为止,我在下面的代码中有一种更快的方式(见methodB
)。然而,它仅适用于二进制域,即{0,1}^n
。当遇到由超过2个元素组成的域时,即{0,1,2,...,K-1}^n
时,它是不可用的。从这个意义上说,methodB
不适用于通用哈明距离。
目标
我的目标是找到一种具有以下特点的方法:
- 仅由基本R函数组成(不使用
Rcpp
重新编写函数以加速) - 对于特殊情况
k=2
,比我的方法methodB()
更快 - 可以推广到任何正整数
k
- 优于来自
e1071
包的hamming.distance()
的速度
我的代码
library(e1071)
# vector length, i.e., number of matrix
n <- 7
# number of elements to consist of domain {0,1,...,k-1}^n
k <- 2
# matrix for computing hamming distances by rows
m <- as.matrix(do.call(expand.grid,replicate(n,list(0:k-1))))
# applying `hamming.distance()` from package "e1071", which is generic so it is available for any positive integer `k`
methodA <- function(M) hamming.distance(M)
# my customized method from base R function `dist()`, which is not available for cases `k >= 2`
methodB <- function(M) as.matrix(round(dist(M,upper = T,diag = T)**2))
基准测试结果如下
microbenchmark::microbenchmark(
methodA(m),
methodB(m),
unit = "relative",
check = "equivalent",
times = 50
)
Unit: relative
expr min lq mean median uq max neval
methodA(m) 33.45844 33.81716 33.963 34.30313 34.92493 14.92111 50
methodB(m) 1.00000 1.00000 1.000 1.00000 1.00000 1.00000 50
感谢预先评价!
请提供需要翻译的具体内容。