（速度挑战）根据通用汉明距离，有没有更快的方法来计算距离矩阵？

debugcn 发表于 Dev

托马斯·艾斯科丁

我正在寻找一种更有效的方法来获取汉明距离的距离矩阵。

背景资料

我知道hamming.distance()包中有一个函数e1071来计算距离矩阵，但是我怀疑当涉及到一个有很多行的大矩阵时，它可能会非常慢，因为它应用了嵌套for循环来进行计算。

到目前为止，我methodB在下面的代码中有一个更快的方法（请参阅参考资料）。但是，它仅适用于二进制域，即{0,1}^n。但是，当遇到包含两个以上元素（即）的域时，此功能不可用{0,1,2,...,K-1}^n。从这个意义上讲，methodB不是针对一般的汉明距离。

目的

我的目标是找到一种具有以下功能的方法：

由仅来自基数R的函数组成（不Rcpp用于重写函数以加快速度）
比我methodB()的特殊情况快k=2
可以推广为任何正整数 k
超越hamming.distance()打包速度e1071

我的密码

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))

而基准给出

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

预先赞赏！

nēminem

methodM <- function(x) {
  xt <- t(x)
  sapply(1:nrow(x), function(y) colSums(xt != xt[, y]))
}
microbenchmark::microbenchmark(
  methodB(m), methodM(m),
  unit = "relative", check = "equivalent", times = 50
)
# Unit: relative
#       expr  min       lq     mean   median       uq      max neval cld
# methodB(m) 1.00 1.000000 1.000000 1.000000 1.000000 1.000000    50  a 
# methodM(m) 1.25 1.224827 1.359573 1.219507 1.292463 4.550159    50   b

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。