问题描述
H <- tcrossprod(tcrossprod(X,solve(crossprod(X))),X)
，其中X是一个相对较大的矩阵（即1e5 * 100），该行必须运行数千次。我知道最大的限制是逆计算，但是叉积也可能很耗时。有没有更快的选择可以执行这些矩阵运算？我尝试了Rcpp并查看了几篇文章，但是我测试过的任何替代方法都比较慢。也许我不是C ++程序员，因为我不是一个高级C ++程序员。
谢谢！
解决方法
逐行跟踪该代码有点困难，因为R代码的设置有些复杂。但是请继续阅读下面的指针。
重要的是，该主题已经讨论了很多次：发生的事情是R将其分发给BLAS (Basic Linear Algebra Subprogram)和LAPACK (Linear Algebra PACKage)库。其中包含最有效的已知代码。通常，您无法通过重写获得收益。
一个人可以通过将一种BLAS / LAPACK实现切换为另一种实现来获得性能差异-在线上也有很多很多文章。 R本身带有所谓的“参考BLAS”，已知它是正确的，但速度最慢。您可以根据自己的操作系统切换到Atlas，OpenBLAS，MKL等。安装随附的R manuals中包含有关如何执行此操作的说明。
出于完整性考虑，每个文件switch (op & 0xF0) {
case 0x80: /* 8'b1000xxxx */
switch (op & 0x0C) {
case 0x0C: /* 8'bxxxx11xx (8'b100011xx) */
break;
}
break;
case 0xA0: /* 8'b1010xxxx */
switch (op & 0x0F) {
case 0x0C: /* 8'bxxxx1100 (8'b10101100) */
break;
}
break;
case 0x70: /* 8'b0111xxxx */
switch (op & 0x0F) {
case 0x00: /* 8'bxxxx0000 (8'b01110000) */
break;
}
break;
case 0x90: /* 8'b1001xxxx */
break;
}
的命令src/main/names.c，%*%和crossprod均引用tcrossprod。该文件位于文件src/main/array.c中，并执行大量参数检查以及按参数类型排列和分支，但是例如然后调用一个路径
do_matprod是this LAPACK function。对于所有其他人来说，基本上是相同的，这使您不太可能进行优化。