Оптимизировать вычисления матрицы переходов цепей Маркова?

Question

Как средний пользователь R, я знаю, что циклы for очень часто можно оптимизировать с помощью таких функций, как apply или иным образом. Однако я не знаю функций, которые могут оптимизировать мой текущий код для генерации матрицы цепей Маркова, которая работает довольно медленно. У меня максимальная скорость или есть вещи, которые я пропускаю? Я пытаюсь найти матрицу перехода для цепочки Маркова, посчитав количество вхождений за 24-часовой период времени до получения предупреждений. Вектор ids содержит все возможные идентификаторы (около 1700).

Исходная матрица выглядит следующим образом:

>matrix
      id      time
       1     1376084071
       1     1376084937
       1     1376023439
       2     1376084320
       2     1372983476
       3     1374789234
       3     1370234809

И вот мой код, чтобы попытаться справиться с этим:

matrixtimesort <- matrix[order(-matrix$time),]
frequency = 86400 #number of seconds in 1 day

# Initialize matrix that will contain probabilities
transprobs <- matrix(data=0, nrow=length(ids), ncol=length(ids))

# Loop through each type of event
for (i in 1:length(ids)){
localmatrix <- matrix[matrix$id==ids[i],]

# Loop through each row of the event
for(j in 1:nrow(localmatrix)) {
    localtime <- localmatrix[j,]$time
    # Find top and bottom row number defining the 1-day window
    indices <- which(matrixtimesort$time < localtime & matrixtimesort$time >= (localtime - frequency))
    # Find IDs that occur within the 1-day window
    positiveids <- unique(matrixtimesort[c(min(indices):max(indices)),]$id)
    # Add one to each cell in the matrix that corresponds to the occurrence of an event

            for (l in 1:length(positiveids)){
            k <- which(ids==positiveids[l])
            transprobs[i,k] <- transprobs[i,k] + 1
            }
    }

# Divide each row by total number of occurrences to determine probabilities
transprobs[i,] <- transprobs[i,]/nrow(localmatrix)
    }
  # Normalize rows so that row sums are equal to 1
  normalized <- transprobs/rowSums(transprobs)

Кто-нибудь может сделать какие-либо предложения, чтобы оптимизировать это для скорости?

Answer 1

Использование вложенных циклов кажется плохой идеей. Ваш код может быть векторизован для ускорения.

Например, зачем искать верх и низ номеров строк? Вы можете просто сравнить значение времени с "time_0 + частота": это векторизованная операция.

НТН.