1
我正在实施“统计学习元素:数据挖掘,推理和预测(Hashtle,Tibshirani,Friedman)”一书中给出的示例。优化循环
我的目标是从两个二元正态分布生成10 + 10平均值,然后使用前10个方法生成标记为“绿色”的点,其他十个方法生成“红色”点。必须从中生成一个点的双变量高斯的平均值必须每次随机挑选。我对R不太熟悉,所以我使用了for循环,因为它越来越大,所以需要花费很多时间。这里是我的代码:
Sigma = diag(2)
greenMeans= mvrnorm(n=10, c(1,0), Sigma)
redMeans= mvrnorm(n=10, c(0,1), Sigma)
n=1000000
green<- array(dim=c(n,2))
red<- array(dim=c(n,2))
for (i in 1:n)
{
newGreen<- mvrnorm(n=1,greenMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5)
newRed<- mvrnorm(n=1,redMeans[sample(c(1:10),1,replace=TRUE),], Sigma/5)
green[i,1] <- newGreen[1]
green[i,2] <- newGreen[2]
red[i,1] <- newRed[1]
red[i,2] <- newRed[2]
}
这两个命令是不等价的, '样品( redMeans,1,replace = TRUE)' 没有考虑到我们手中有一个二维数组的事实;它会从矢量中的20个标量中选取一个随机数。它应该从矢量redMeans中选取一个随机点。 另外,'mvrnorm'的'mu'参数不能像那样工作。 'mu'是给出变量平均值的向量,而不是包含每个单一点平均值的向量。 – jsonaj 2013-02-10 11:47:09
@ user2058602我删除了我的答案的错误和推测部分。 – 2013-02-10 11:49:16