がmclapply渡す（）のパラメータ（I範囲内）

Question

私はこれをやろうとしている：

nmf.sub <- function(n){ 
sub.data.matrix <- data.matrix[, (index[n, ])] ## the index is a permutation of the original matrix at a 0.8 resampling proportion (doesn't really matter) 
temp.result <- nmf(sub.data.matrix, rank = 2, seed = 12345) ## want to change 2 to i 
return(temp.result) 
} 

class.list <- list() 
for (i in nmf.rank){ ## nmf.rank is 2:4 
results.list <- mclapply(mc.cores = 16, 1:resamp.iterations, function(n) nmf.sub(n)) ## resamp.iterations is 10, nmf.sub is defined above 
} 

をしかし、その代わりにtemp.resultためのNMFにランク= 2を持つ、私は持っていたいですランク= i

どうすればそのパラメータを渡すことができますか？ function（n、i）としてmclapplyを渡すだけでは機能しません。

Answer 1

2つのループがあります：1つはnmf.rankに、1つは1:resamp.iterationsにあります。したがって、iとnの両方をnmf.subに渡す必要があります。以下のように：効率は約（以下）コメントについて

nmf.sub <- function(n, i){ 
    ## the index is a permutation of the original matrix at a 0.8 
    ## resampling proportion (doesn't really matter) 
    sub.data.matrix <- data.matrix[, (index[n, ])] 
    ## want to change 2 to i 
    temp.result <- nmf(sub.data.matrix, rank = i, seed = 12345) 
    return(temp.result) 
} 


resamp.iterations <- 10 
nmf.rank <- 2:4 

res <- lapply(nmf.rank, function(i){ 
    results.list <- mclapply(mc.cores = 16, 1:resamp.iterations, 
          function(n) nmf.sub(n,i)) 
}) 
## then you can flatten/reshape res 

：数値計算の大部分は意味では、従ってループが適切に設定され、NMF（）関数内で実行される各プロセス/コア数値的に集中的な仕事を得る。しかし、計算を高速化するためには、シード12345の代わりに以前に計算した結果を使用することを検討することもできます（後者のシードを使用するのは何らかの理由で必須です）。次の例では、実行時間が30〜40％短縮されます。

library(NMF) 
RNGkind("L'Ecuyer-CMRG") ## always use this when using mclapply() 
nr <- 19 
nc <- 2e2 
set.seed(123) 
data.matrix <- matrix(rexp(nc*nr),nr,nc) 

resamp.iterations <- 10 
nmf.rank <- 2:4 

index <- t(sapply(1:resamp.iterations, function(n) sample.int(nc,nc*0.8))) 


nmf.sub <- function(n, i){ 
    sub.data.matrix <- data.matrix[ ,index[n, ]] 
    temp.result <- nmf(sub.data.matrix, rank = i, seed = 12345) 
    return(temp.result) 
} 

## version 1 
system.time({ 
    res <- lapply(nmf.rank, function(i){ 
     results.list <- mclapply(mc.cores = 16, 1:resamp.iterations, 
           function(n) nmf.sub(n,i)) 
    }) 
}) 

## version 2: swap internal and external loops 
system.time({ 
    res <- 
     mclapply(mc.cores=16, 1:resamp.iterations, function(n){ 
      res2 <- nmf(data.matrix[ ,index[n, ]], rank=2, seed = 12345) 
      res3 <- nmf(data.matrix[ ,index[n, ]], rank=3, seed = 12345) 
      res4 <- nmf(data.matrix[ ,index[n, ]], rank=4, seed = 12345) 
      list(res2,res3,res4) 
     }) 
}) 

## version 3: use previous calculation as starting point 
## ==> 30-40% reduction in computing time 
system.time({ 
    res <- 
     mclapply(mc.cores=16, 1:resamp.iterations, function(n){ 
      res2 <- nmf(data.matrix[ ,index[n, ]], rank=2, seed = 12345) 
      res3 <- nmf(data.matrix[ ,index[n, ]], rank=3, seed = res2) 
      res4 <- nmf(data.matrix[ ,index[n, ]], rank=4, seed = res3) 
      list(res2,res3,res4) 
     }) 
})