我正在寻找 R 中的快速(基于活动集)非负最小二乘算法的快速实现 Bro, R., & de Jong, S. (1997) 一种快速非负约束最小二乘算法。化学计量学杂志,11, 393-401。 在 multiway 包中我发现了这个纯 R 实现:
fnnls <-
function(XtX,Xty,ntol=NULL){
### initialize variables
pts <- length(Xty)
if(is.null(ntol)){
ntol <- 10*(.Machine$double.eps)*max(colSums(abs(XtX)))*pts
}
pvec <- matrix(0,1,pts)
Zvec <- matrix(1:pts,pts,1)
beta <- zvec <- t(pvec)
zz <- Zvec
wvec <- Xty - XtX%*%beta
### iterative procedure
iter <- 0
itmax <- 30*pts
# outer loop
while(any(Zvec>0) && any(wvec[zz]>ntol)) {
tt <- zz[which.max(wvec[zz])]
pvec[1,tt] <- tt
Zvec[tt] <- 0
pp <- which(pvec>0)
zz <- which(Zvec>0)
nzz <- length(zz)
zvec[pp] <- smpower(XtX[pp,pp],-1)%*%Xty[pp]
zvec[zz] <- matrix(0,nzz,1)
# inner loop
while(any(zvec[pp]<=ntol) && iter<itmax) {
iter <- iter + 1
qq <- which((zvec<=ntol) & t(pvec>0))
alpha <- min(beta[qq]/(beta[qq]-zvec[qq]))
beta <- beta + alpha*(zvec-beta)
indx <- which((abs(beta)<ntol) & t(pvec!=0))
Zvec[indx] <- t(indx)
pvec[indx] <- matrix(0,1,length(indx))
pp <- which(pvec>0)
zz <- which(Zvec>0)
nzz <- length(zz)
if(length(pp)>0){
zvec[pp] <- smpower(XtX[pp,pp],-1)%*%Xty[pp]
}
zvec[zz] <- matrix(0,nzz,1)
} # end inner loop
beta <- zvec
wvec <- Xty - XtX%*%beta
} # end outer loop
beta
}
但在我的测试中,它比 nnls
包(用 Fortran 编码)中的
plain
nnls
函数慢得多,尽管算法上 fnnls
应该更快。我想知道是否有人碰巧有 Rcpp
的 fnnls
端口可用,理想情况下使用犰狳类并允许 X
稀疏,也许还支持 Y 具有多个列?或者其他一些适用于稀疏协变量矩阵和多个右侧的 nnls 实现?
编辑 2022 年 1 月: 使用 CRAN 上 RcppML R 包中的
nnls
函数。这是下面给出的函数的更快的基于特征的实现,随后是坐标下降最小二乘细化。
出于研究目的,我花了将近一周的时间来解决这个问题。
我还花了近两天的时间尝试解析
multiway::fnnls
实现,并且不会在 R 礼仪、可解释性和内存使用方面使用选择词。
我不明白为什么
multiway::fnnls
的作者认为他们的实现应该很快。考虑到 fortran Lawson/Hanson 实现,仅 R 实现似乎毫无用处。
这是我编写的 RcppArmadillo 函数(快速近似解轨迹)NNLS,它为条件良好的系统复制
multiway::fnnls
:
//[[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
using namespace arma;
typedef unsigned int uint;
// [[Rcpp::export]]
vec fastnnls(mat a, vec b) {
// initial x is the unbounded least squares solution
vec x = arma::solve(a, b, arma::solve_opts::likely_sympd + arma::solve_opts::fast);
while (any(x < 0)) {
// define the feasible set as all values greater than 0
arma::uvec nz = find(x > 0);
// reset x
x.zeros();
// solve the least squares solution for values in the feasible set
x.elem(nz) = solve(a.submat(nz, nz), b.elem(nz), arma::solve_opts::likely_sympd + arma::solve_opts::fast);
}
return x;
}
这种方法本质上是 TNT-NN 的前半部分,但在每次迭代时没有“启发式”尝试从可行集中添加或删除元素。
为了使这种方法超越简单的近似,我们可以添加顺序坐标下降,它接收上面的
FAST
解作为初始化。一般来说,对于大多数条件良好的小问题,99% 的情况下,FAST
都会给出精确的解决方案。
上述实现的一个独特属性是它不能给出误报,但有时(在大型或病态系统中)会给出误报。因此,可能比实际解决方案稍微稀疏。请注意,FAST 和精确解之间的损失通常在 1% 以内,因此,如果您不追求绝对精确解,那么这是您最好的选择。
上述算法的运行速度也比 Lawson/Hanson nnls 求解器快得多。这是我刚刚从 50 系数系统复制的微基准,复制了 10000 次:
Unit: microseconds
expr min lq mean median uq max neval
fastnnls 53.9 56.2 59.32761 58.0 59.5 359.7 10000
lawson/hanson nnls 112.9 116.7 125.96169 118.6 129.5 11032.4 10000
当然,性能会根据密度和负性而变化。与其他算法相比,我的算法往往会随着稀疏性的增加而变得更快,并且随着正解的减少而变得更快。
我尝试过简化 multiway::fnnls 代码并将其运行到犰狳中,但失败了。
我正在努力将此方法实现为 Rcpp 包,并将在它成为稳定的 Github 版本时发布。
p.s.:使用 Eigen 可以加快速度。犰狳求解器使用 Cholesky 分解和直接替换。 Eigen 的 Cholesky 求解器速度更快,因为它可以就地执行更多操作。
为了它的价值,我要求 OpenAI 的 code-davinci-002 https://beta.openai.com/playground?model=code-davinci-002 将
fnnls
包中的 multiway
纯 R 代码翻译为Rcpp
,这就是它的结果 - 虽然可能不是最佳的,但也许是任何对此感兴趣的人的开始......
/* Convert the following R code below to calculate a fast nonnegative least squares fit to Rcpp and use RcppArmadillo classes. */
fnnls <-
function(XtX,Xty,ntol=NULL){
# Fast Non-Negative Least Squares algorithm based on
# Bro, R., & de Jong, S. (1997) A fast non-negativity-constrained
# least squares algorithm. Journal of Chemometrics, 11, 393-401.
# Nathaniel E. Helwig ([email protected])
# last updated: April 9, 2015
### initialize variables
pts <- length(Xty)
if(is.null(ntol)){
ntol <- 10*(.Machine$double.eps)*max(colSums(abs(XtX)))*pts
}
pvec <- matrix(0,1,pts)
Zvec <- matrix(1:pts,pts,1)
beta <- zvec <- t(pvec)
zz <- Zvec
wvec <- Xty - XtX%*%beta
### iterative procedure
iter <- 0
itmax <- 30*pts
# outer loop
while(any(Zvec>0) && any(wvec[zz]>ntol)) {
tt <- zz[which.max(wvec[zz])]
pvec[1,tt] <- tt
Zvec[tt] <- 0
pp <- which(pvec>0)
zz <- which(Zvec>0)
nzz <- length(zz)
zvec[pp] <- smpower(XtX[pp,pp],-1)%*%Xty[pp]
zvec[zz] <- matrix(0,nzz,1)
# inner loop
while(any(zvec[pp]<=ntol) && iter<itmax) {
iter <- iter + 1
qq <- which((zvec<=ntol) & t(pvec>0))
alpha <- min(beta[qq]/(beta[qq]-zvec[qq]))
beta <- beta + alpha*(zvec-beta)
indx <- which((abs(beta)<ntol) & t(pvec!=0))
Zvec[indx] <- t(indx)
pvec[indx] <- matrix(0,1,length(indx))
pp <- which(pvec>0)
zz <- which(Zvec>0)
nzz <- length(zz)
if(length(pp)>0){
zvec[pp] <- smpower(XtX[pp,pp],-1)%*%Xty[pp]
}
zvec[zz] <- matrix(0,nzz,1)
} # end inner loop
beta <- zvec
wvec <- Xty - XtX%*%beta
} # end outer loop
beta
}
答案:
# [[Rcpp::export]]
arma::vec fnnls(const arma::mat& XtX, const arma::vec& Xty, double ntol = NULL){
// initialize variables
int pts = Xty.n_elem;
if (ntol == NULL){
ntol = 10*(std::numeric_limits<double>::epsilon())*arma::max(arma::sum(arma::abs(XtX),1))*pts;
}
arma::mat pvec = arma::zeros<arma::mat>(1,pts);
arma::vec Zvec = arma::regspace<arma::vec>(1,pts);
arma::vec beta = arma::zeros<arma::vec>(pts);
arma::vec zvec = pvec.t();
arma::uvec zz = find(Zvec>0);
arma::vec wvec = Xty - XtX*beta;
// iterative procedure
int iter = 0;
int itmax = 30*pts;
// outer loop
while((any(Zvec>0)) && (any(wvec(zz)>ntol))){
int tt = zz[wvec.elem(zz).index_max()];
pvec.col(tt) += tt;
Zvec[tt] = 0;
arma::uvec pp = find(pvec>0);
zz = find(Zvec>0);
int nzz = zz.n_elem;
zvec.elem(pp) = solve(XtX.submat(pp,pp),Xty.elem(pp));
zvec.elem(zz).zeros();
// inner loop
while((any(zvec.elem(pp)<=ntol)) && (iter<itmax)){
iter++;
arma::uvec qq = find((zvec<=ntol) && (pvec>0));
double alpha = min((beta.elem(qq)/((beta.elem(qq)-zvec.elem(qq)))));
beta += alpha*((zvec-beta));
arma::uword indx;
for (arma::uword i=0; i < beta.n_elem; i++){
if ((abs(beta[i]) < ntol) && (pvec[i] != 0)){
indx = i;
Zvec[indx] += indx;
pvec[indx] += 0;
}
}
pp = find(pvec>0);
zz = find(Zvec>0);
nzz = zz.n_elem;
if (pp.n_elem > 0){
zvec.elem(pp) = solve(XtX.submat(pp,pp),Xty.elem(pp));
}
zvec.elem(zz).zeros();
} // end inner loop
beta = zvec;
wvec -= XtX*beta;
} // end outer loop
return beta;
}