本文介绍了R&39；Sum()和Armadillo Accu()之间的差异的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
当给定相同的输入时，R的sum()函数和RcppArmadillo的accu()函数的结果略有不同。例如，以下代码：
R：
vec <- runif(100, 0, 0.00001)
accu(vec)
sum(vec)
C++：
// [[Rcpp::depends("RcppArmadillo")]]
// [[Rcpp::export]]
double accu(arma::vec& obj)
{
return arma::accu(obj);
}
给出结果：
0.00047941851844312633(C++)
0.00047941851844312628(R)
根据http://keisan.casio.com/calculator，正确答案是：
4.79418518443126270948E-4
这些微小的差异累积在我的算法中，并显著影响它的执行方式。有没有一种方法可以在C++中更准确地求出向量？或者至少获得与R相同的结果，而不必调用R代码？
推荐答案
我的发现：
我成功地编写了一个能够模拟R的SUM函数的函数。似乎R使用更高精度的变量来存储每个加法运算的结果。
我写的：
// [[Rcpp::depends("RcppArmadillo")]]
// [[Rcpp::export]]
double accu2(arma::vec& obj)
{
long double result = 0;
for (auto iter = obj.begin(); iter != obj.end(); ++iter)
{
result += *iter;
}
return result;
}
速度对比：
set.seed(123)
vec <- runif(50000, 0, 0.000001)
microbenchmark(
sum(vec),
accu(vec),
accu2(vec)
)
expr min lq mean median uq max neval
sum(vec) 72.155 72.351 72.61018 72.6755 72.7485 75.068 100
accu(vec) 48.275 48.545 48.84046 48.7675 48.9975 52.128 100
accu2(vec) 69.087 69.409 70.80095 69.6275 69.8275 182.955 100
所以，我的C++解决方案仍然比R的求和快，但比Aradillo的accu()慢得多
这篇关于R&39；Sum()和Armadillo Accu()之间的差异的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！