Оптимизация цикла

Question

Я реализую пример, приведенный в книге «Элементы статистического обучения: интеллектуальный анализ данных, вывод и предсказание» (Хэшлт, Тибширани, Фридман).

Моя цель состоит в том, чтобы генерировать 10 + 10 средств из двух двумерных нормальных распределений, а затем использовать первые десять средств для создания точек с надписью «Зеленый», а остальные десять - для создания «красных» точек. Среднее значение двумерного гауссова, из которого должна генерироваться точка, должно выбираться случайным образом каждый раз. Я не слишком хорошо знаком с R, поэтому я использовал for-loop, используя который занимает очень много времени, когда n становится больше. Вот мой код:

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] 
    } 

Answer 1

Вы можете пропустить цикл полностью и использовать replicate, не уверен, насколько быстрее это, хотя:

do_stuff = function() { 
    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)   
    return(list(newGreen, newRed)) 
} 
replicate(10000, do_stuff)