R vs. Matlab: spiegazione della differenza di velocità per le funzioni rnorm, qnorm e pnorm

Question

Ho confrontato le prestazioni delle funzioni R integrate rnorm, qnorm e pnorm alle funzioni equivalenti di Matlab.

Sembra che le rnorm e pnorm funzioni sono 3-6 volte più lento in R rispetto al Matlab, mentre la funzione qnorm è ca. 40% più veloce in R. Ho provato il pacchetto Rcpp per accelerare le funzioni R utilizzando le librerie C corrispondenti che hanno comportato una diminuzione del tempo di esecuzione del ~ 30%, che è ancora significativamente più lento rispetto a Matlab per rnorm e pnorm.

Esiste un pacchetto disponibile che fornisce un modo più veloce di simulare le variabili casuali normalmente distribuite in R (oltre all'uso della funzione standard rnorm)?

Answer 1

Per promuovere il mio commento a una risposta: sì, c'è.

library("sos"); findFn("Ziggurat") trova la funzione rziggurat nel pacchetto SuppDists; esso è implementato in C (o C++?), e la sua documentazione dice

Questa implementazione in esecuzione in R è pari a circa tre volte più veloce RNorm().

L'altro punto da notare, che può rendere tanto o più differenza nella pratica, è che raccogliendo grosso blocco di numeri casuali è molto più veloce in R di raccoglierli uno ad uno ... cioè rnorm(1e6) viene molto più veloce di vapply(seq(1e6),function(i) rnorm(1),numeric(1))

library("SuppDists") 
library("rbenchmark") 
n <- 1e5 
benchmark(rziggurat(n), 
      rnorm(n), 
      vapply(seq(n),function(x) rnorm(1),numeric(1))) 

##   test elapsed relative user.self 
## 2  rnorm(n)  1.138  13.233  1.140 
## 1 rziggurat(n)  0.086  1.000  0.088 
## 3 vapply(...) 29.043 337.709 29.046 

Answer 2

vedo due questioni distinte qui, uno in ogni paragrafo:

• Sì, ci sono differenze tra lingue/sistemi come R e Matlab. Parte di esso ha a che fare con l'interprete, la velocità dei loop, la velocità delle chiamate alle funzioni ecc. Pp. Rcpp può esserci d'aiuto rispetto a Matlab che ha un vero compilatore JIT. Abbiamo un confronto tra Matlab, R e R + Rcpp per un filtro Kalman nel recente articolo su RcppArmadillo.

• Ci sono anche delle differenze nel codice compilato sottostante, e sì, R non ha sempre un'implementazione più veloce come R Core (correttamente a ragione IMHO) per precisione. (E Rcpp non aiuta di per sé: chiamiamo solo ciò che R ha internamente.) Questo era emerso ad es. Con l'esempio di Gibbs Sampler per MCMC che Darren Wilkinson aveva iniziato. Ho notato che l'R rgamma() è molto più lento di altri sistemi. Quindi, per arrivare alla tua domanda riguardo a N (0,1) si disegna in un modo più veloce: penso che abbiamo bisogno di un'implementazione Ziggurat contribuita. Quello è uno dei più veloci N (0,1) generatori là fuori, e pochi altri sistemi lo usano.