性能阵列乘法Pearson
性能阵列乘法Pearson
提问于 2016-04-21 18:12:39
我多次计算Pearson相关 (平均用户/项评等)，使用我当前的代码性能非常糟糕：
public double ComputeCorrelation(double[] x, double[] y, double[] meanX, double[] meanY)
{
if (x.Length != y.Length)
throw new ArgumentException("values must be the same length");
double sumNum = 0;
double sumDenom = 0;
double denomX = 0;
double denomY = 0;
for (int a = 0; a < x.Length; a++)
{
sumNum += (x[a] - meanX[a]) * (y[a] - meanY[a]);
denomX += Math.Pow(x[a] - meanX[a], 2);
denomY += Math.Pow(y[a] - meanY[a], 2);
}
var sqrtDenomX = Math.Sqrt(denomX);
var sqrtDenomY = Math.Sqrt(denomY);
if (sqrtDenomX == 0 || sqrtDenomY == 0) return 0;
sumDenom = Math.Sqrt(denomX) * Math.Sqrt(denomY);
var correlation = sumNum / sumDenom;
return correlation;
}我正在使用标准皮尔逊相关性与MathNet.Numerics，但这是对标准的修改，它是不可能使用它。有办法加快速度吗？如何对时间复杂性进行优化？
回答 3
Stack Overflow用户
回答已采纳
发布于 2016-04-23 16:32:44
在MSE上添加一些答案--将Pow(x,2)更改为diff*diff绝对是您想要做的事情，您也可能希望避免在最内部循环中进行不必要的绑定检查。这可以使用C#中的指针来完成。
可以这样做：
public unsafe double ComputeCorrelation(double[] x, double[] y, double[] meanX, double[] meanY)
{
if (x.Length != y.Length)
throw new ArgumentException("values must be the same length");
double sumNum = 0;
double sumDenom = 0;
double denomX = 0;
double denomY = 0;
double diffX;
double diffY;
int len = x.Length;
fixed (double* xptr = &x[0], yptr = &y[0], meanXptr = &meanX[0], meanYptr = &meanY[0])
{
for (int a = 0; a < len; a++)
{
diffX = (xptr[a] - meanXptr[a]);
diffY = (yptr[a] - meanYptr[a]);
sumNum += diffX * diffY;
denomX += diffX * diffX;
denomY += diffY * diffY;
}
}
var sqrtDenomX = Math.Sqrt(denomX);
var sqrtDenomY = Math.Sqrt(denomY);
if (sqrtDenomX == 0 || sqrtDenomY == 0) return 0;
sumDenom = sqrtDenomX * sqrtDenomY;
var correlation = sumNum / sumDenom;
return correlation;
}Stack Overflow用户
发布于 2016-04-21 18:25:37
如果可能的话，解决性能问题的最佳方法可能是避免计算尽可能多的相关性。如果您使用关联作为另一种计算的一部分，则可以使用数学来消除对其中一些计算的需求。
您还应该考虑是否能够使用Pearson相关的平方，而不是Pearson相关性本身。这样，您就可以节省对Math.Sqrt()的调用，这通常是相当昂贵的。
如果确实需要使用平方根，则应该再次使用sqrtDenomX和sqrtDenomY，而不是重新计算平方根。
Stack Overflow用户
发布于 2016-04-21 21:23:38
我在代码中看到的唯一可能的优化是在下面的代码中，如果您仍然在寻找更好的性能，那么您可能需要使用SIMD矢量化。它将允许您使用CPU的全部计算能力。
public double ComputeCorrelation(double[] x, double[] y, double[] meanX, double[] meanY)
{
if (x.Length != y.Length)
throw new ArgumentException("values must be the same length");
double sumNum = 0;
double sumDenom = 0;
double denomX = 0;
double denomY = 0;
double diffX;
double diffY;
for (int a = 0; a < x.Length; a++)
{
diffX = (x[a] - meanX[a]);
diffY = (y[a] - meanY[a]);
sumNum += diffX * diffY;
denomX += diffX * diffX;
denomY += diffY * diffY;
}
var sqrtDenomX = Math.Sqrt(denomX);
var sqrtDenomY = Math.Sqrt(denomY);
if (sqrtDenomX == 0 || sqrtDenomY == 0) return 0;
sumDenom = sqrtDenomX * sqrtDenomY;
var correlation = sumNum / sumDenom;
return correlation;
}页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/36777383
复制相关文章
相似问题
腾讯云开发者
