Download as PDF, PPTX
![2.2 フィボナッチ数列
fibonatti.cpp
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::export]]
int fibCpp(const int n) {
if (n < 2) {
return n;
} else {
return fibonacci(n-1) + fibonacci(n-2);
}
}
12](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-13-320.jpg)
![2.2 フィボナッチ数列
$ R
> install.packages("Rcpp")
> library(Rcpp)
> sourceCpp("fibCpp.cpp")
> fibCpp(20)
[1] 6765
13](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-14-320.jpg)
![2.2 フィボナッチ数列
Rで実⾏した場合に⽐べて，約1,000倍のスピードアップ．
> sourceCpp("fibCpp.cpp")
> benchmark(fibCpp(20), fibR(20),
replications=5000)[, 1:4]
test replications elapsed relative
2
fibR(20)
5000 200.434 756.355
1 fibCpp(20)
5000
0.265
1.000
参考：@teramonagi
Tokyo.R ⽩熱教室「これからのRcppの話をしよう」
14](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-15-320.jpg)
![3.2 Boost.Accumulators
std::vectorや配列などのコンテナに格納されたデータに対し
ては，for_eachを使⽤してaccumulator_setに代⼊．
#include <iostream>
#include <boost/array.hpp>
#include <boost/range/algorithm/for_each.hpp>
#include
#include
#include
#include
<boost/bind.hpp>
<boost/ref.hpp>
<boost/accumulators/accumulators.hpp>
<boost/accumulators/statistics.hpp>
using namespace boost::accumulators;
int main()
{
int ar[] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
accumulator_set<double, stats<tag::min, tag::mean, tag::max> > acc;
boost::for_each(ar, boost::bind(boost::ref(acc), _1));
std::cout << extract::min(acc) << std::endl; // 最小値
std::cout << extract::mean(acc) << std::endl; // 平均値
std::cout << extract::max(acc) << std::endl; // 最大値
}
return 0;
19](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-20-320.jpg)
![3.3 ALGLIB
#include <iostream>
#include "statistics.h"
using namespace std;
using namespace alglib;
int main()
{
real_1d_array x = "[0,1,4,9,16,25,36,49,64,81]";
real_1d_array y = "[0,1,2,3,4,5,6,7,8,9]";
double v;
ナゾの値の代⼊⽂
cout.precision(8);
// 共分散
v = cov2(x, y);
cout << "共分散: " << double(v) << endl;
// Pearson 相関係数
v = pearsoncorr2(x, y);
cout << "Pearson 相関係数: " << double(v) << endl;
// Spearman 相関係数
v = spearmancorr2(x, y);
cout << "Spearman 相関係数: " << double(v) << endl;
return 0;
}
21](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-22-320.jpg)
![3.4.1 式の評価
#include <RInside.h>
int main(int argc, char *argv[]) {
RInside R(argc, argv);
R["x"] = 10 ;
R["y"] = 20 ;
// C++に埋め込むRのインスタンスの⽣成
// Rのインスタンスにオブジェクトの名前と値を代⼊
R.parseEvalQ("z <- x + y") ;
// Rでの評価式
int sum = R["z"];
// []演算⼦でオブジェクトの値を取得
std::cout << "10 + 20 = " << sum << std::endl ;
// 以下の⽅法で評価してもO.K.
sum = R.parseEval("x + y") ;
std::cout << "10 + 20 = " << sum << std::endl ;
exit(0);
}
以下のRInlineパッケージのソースのinst/examples/standard/rinside_sample8.cpp
http://cran.r-project.org/src/contrib/RInside_0.2.11.tar.gz
23](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-24-320.jpg)
![lm.cpp
3.4.2 回帰分析
#include <RInside.h>
int main(int argc, char *argv[])
{
RInside R(argc, argv); // C++ 埋 込 R
生成
std::vector<double> x;
x.push_back(1.0); x.push_back(2.0); x.push_back(3.0);
R["x"] = x;
std::vector<double> y;
y.push_back(2.0); y.push_back(4.0); y.push_back(6.0);
R["y"] = y;
// R 回帰分析 実行(y = 2*x)
R.parseEvalQ("fit.lm <- lm(y ~ x); fit.lm.coef <- fit.lm$coef");
std::vector<double> coef;
coef = R["fit.lm.coef"]; // 回帰係数 取得
std::cout << "傾 : " << coef[1] << std::endl;
std::cout << "切片: " << coef[0] << std::endl;
}
return 0;
27](https://image.slidesharecdn.com/c-140228222535-phpapp01/85/C-28-320.jpg)
More Related Content
データサイエンスワールドからC++を眺めてみる
- 1.
- 2. ⾃⼰紹介 TwitterID：@sfchaos お仕事：データマイニング 普段の使⽤⾔語：R,Python,Perl,シェル 1
- 3.
- 4.
- 5.
- 6.
- 7. 1位 2位 3位 C/C++は9位 Top Languages foranalytics, data mining, data science 6
- 8. データ分析では分析仕様が初めから決まっているとは限らず， 探索的に分析してデータの特徴を明らかにすることが重要． また，分析結果を分かりやすく可視化できる環境が必要． こうした観点から，RやPython等が分析ツールとして⽤いら れることが多い． 7
- 9.
- 10. ⼀⽅で，特にRは処理が遅い． • ループ処理など そのため，RからC++を呼んで処理を⾼速化することは， 結構よく⾏われる． また，C++からRの関数を呼び，統計処理を⾏わせる⽅法 もある． というわけで，今⽇は誰得？な話をします(^^; 9
- 11.
- 12. 2.1 Rcppパッケージ RからC++を実⾏するためのパッケージ． 以下のような多くのライブラリとの連携機能も提供． • • • • Eigen(線形代数演算) GSL(科学技術計算) Numpy(科学技術計算，Python) Octave(科学技術計算) etc. 11
- 13. 2.2 フィボナッチ数列 fibonatti.cpp #include <Rcpp.h> usingnamespace Rcpp; // [[Rcpp::export]] int fibCpp(const int n) { if (n < 2) { return n; } else { return fibonacci(n-1) + fibonacci(n-2); } } 12
- 14. 2.2 フィボナッチ数列 $ R >install.packages("Rcpp") > library(Rcpp) > sourceCpp("fibCpp.cpp") > fibCpp(20) [1] 6765 13
- 15. 2.2 フィボナッチ数列 Rで実⾏した場合に⽐べて，約1,000倍のスピードアップ． >sourceCpp("fibCpp.cpp") > benchmark(fibCpp(20), fibR(20), replications=5000)[, 1:4] test replications elapsed relative 2 fibR(20) 5000 200.434 756.355 1 fibCpp(20) 5000 0.265 1.000 参考：@teramonagi Tokyo.R ⽩熱教室「これからのRcppの話をしよう」 14
- 16.
- 17. 3.1 C++での統計処理 取り急ぎ調べたところ，以下のライブラリなどがある模様． 良いライブラリがあったら教えてください(^^; ライブラリ 記述統計量 統計的検定 多変量解析 機械学習 ○ × × × Apophenia ○ ○ △ △ ROOT △ △ △ △ GSL △ ×(?) △ ×(?) ALGLIB ○ ○ ○ △ Boost. Accumulators ○：多くの⼿法を提供 △：少数の⼿法を提供 ×：⾮提供 16
- 18. 3.2 Boost.Accumulators 統計量の計算などの統計処理を提供． 最⼩値，平均値，中央値，最⼤値 共分散 密度 合計値 等 詳細は，BoostJpの逆引きリファレンスを参照． https://sites.google.com/site/boostjp/tips 17
- 19. 3.2 Boost.Accumulators boost::accumulators::accumulator_setというコンテ ナにデータを⼊⼒． テンプレートパラメータに実⾏する処理を指定(統計量計算) #include <iostream> #include <boost/accumulators/accumulators.hpp> #include <boost/accumulators/statistics.hpp> using namespace boost::accumulators; int main() { accumulator_set<double, stats<tag::min, tag::mean, tag::sum> > acc; acc(3.0); acc(1.0); acc(4.0); acc(2.0); acc(5.0); } std::cout << extract::min(acc) << std::endl; // 最小値 std::cout << extract::mean(acc) << std::endl; // 平均値 std::cout << extract::sum(acc) << std::endl; // 合計値 18
- 20. 3.2 Boost.Accumulators std::vectorや配列などのコンテナに格納されたデータに対し ては，for_eachを使⽤してaccumulator_setに代⼊． #include<iostream> #include <boost/array.hpp> #include <boost/range/algorithm/for_each.hpp> #include #include #include #include <boost/bind.hpp> <boost/ref.hpp> <boost/accumulators/accumulators.hpp> <boost/accumulators/statistics.hpp> using namespace boost::accumulators; int main() { int ar[] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; accumulator_set<double, stats<tag::min, tag::mean, tag::max> > acc; boost::for_each(ar, boost::bind(boost::ref(acc), _1)); std::cout << extract::min(acc) << std::endl; // 最小値 std::cout << extract::mean(acc) << std::endl; // 平均値 std::cout << extract::max(acc) << std::endl; // 最大値 } return 0; 19
- 21. 3.3 ALGLIB 数値計算およびデータ処理のためのソフトウェア． C++, C#, Python, VBAなど多くのプログラミング⾔語から 呼び出せる． 商⽤版もあり，マルチスレッドIntel Math Kernel Library を⽤いた最適化・⾼速化等に対応 20
- 22. 3.3 ALGLIB #include <iostream> #include"statistics.h" using namespace std; using namespace alglib; int main() { real_1d_array x = "[0,1,4,9,16,25,36,49,64,81]"; real_1d_array y = "[0,1,2,3,4,5,6,7,8,9]"; double v; ナゾの値の代⼊⽂ cout.precision(8); // 共分散 v = cov2(x, y); cout << "共分散: " << double(v) << endl; // Pearson 相関係数 v = pearsoncorr2(x, y); cout << "Pearson 相関係数: " << double(v) << endl; // Spearman 相関係数 v = spearmancorr2(x, y); cout << "Spearman 相関係数: " << double(v) << endl; return 0; } 21
- 23.
- 24. 3.4.1 式の評価 #include <RInside.h> intmain(int argc, char *argv[]) { RInside R(argc, argv); R["x"] = 10 ; R["y"] = 20 ; // C++に埋め込むRのインスタンスの⽣成 // Rのインスタンスにオブジェクトの名前と値を代⼊ R.parseEvalQ("z <- x + y") ; // Rでの評価式 int sum = R["z"]; // []演算⼦でオブジェクトの値を取得 std::cout << "10 + 20 = " << sum << std::endl ; // 以下の⽅法で評価してもO.K. sum = R.parseEval("x + y") ; std::cout << "10 + 20 = " << sum << std::endl ; exit(0); } 以下のRInlineパッケージのソースのinst/examples/standard/rinside_sample8.cpp http://cran.r-project.org/src/contrib/RInside_0.2.11.tar.gz 23
- 25. Makefile 3.4.1 式の評価 ## -*-mode: make; tab-width: 8; -*R_HOME := $(shell R RHOME) sources := programs := $(wildcard *.cpp) $(sources:.cpp=) ## Rのためのヘッダやライブラリ RCPPFLAGS := $(shell $(R_HOME)/bin/R CMD config --cppflags) RLDFLAGS := $(shell $(R_HOME)/bin/R CMD config --ldflags) RBLAS := $(shell $(R_HOME)/bin/R CMD config BLAS_LIBS) RLAPACK := $(shell $(R_HOME)/bin/R CMD config LAPACK_LIBS) ## Rcppのヘッダやライブラリ RCPPINCL := $(shell echo 'library(Rcpp, lib.loc="/home/sfchaos/lib/R");Rcpp:::CxxFlags()' | $(R_HOME)/bin/R --vanilla --slave) RCPPLIBS := $(shell echo 'library(Rcpp, lib.loc="/home/sfchaos/lib/R");Rcpp:::LdFlags()' | $(R_HOME)/bin/R --vanilla --slave) ## include headers and libraries for RInside embedding classes RINSIDEINCL := $(shell echo 'library(RInside, lib.loc="/home/sfchaos/lib/R");RInside:::CxxFlags()' | $(R_HOME)/bin/R --vanilla --slave) RINSIDELIBS := $(shell echo 'library(RInside, lib.loc="/home/sfchaos/lib/R");RInside:::LdFlags()' | $(R_HOME)/bin/R --vanilla --slave) 24
- 26. Makefile(続 ) 3.4.1 式の評価 ##makeするための各種のルール CXX := $(shell $(R_HOME)/bin/R CMD config CXX) CPPFLAGS := -Wall $(shell $(R_HOME)/bin/R CMD config CPPFLAGS) CXXFLAGS := $(RCPPFLAGS) $(RCPPINCL) $(RINSIDEINCL) $(shell $(R_HOME)/bin/R CMD config CXXFLAGS) LDLIBS := $(RLDFLAGS) $(RRPATH) $(RBLAS) $(RLAPACK) $(RCPPLIBS) $(RINSIDELIBS) all: $(programs) @test -x /usr/bin/strip && strip $^ run: $(programs) @for p in $(programs); do echo; echo "Running $$p:"; ./$$p; done clean: rm -vf $(programs) rm -vrf *.dSYM runAll: for p in $(programs); do echo ""; echo ""; echo "Running $$p"; ./$$p; done 25
- 27. 3.4.1 式の評価 $ makerinside_sample8.cpp $ ./rinside_sample8 10 + 20 = 30 10 + 20 = 30 26
- 28. lm.cpp 3.4.2 回帰分析 #include <RInside.h> intmain(int argc, char *argv[]) { RInside R(argc, argv); // C++ 埋 込 R 生成 std::vector<double> x; x.push_back(1.0); x.push_back(2.0); x.push_back(3.0); R["x"] = x; std::vector<double> y; y.push_back(2.0); y.push_back(4.0); y.push_back(6.0); R["y"] = y; // R 回帰分析 実行(y = 2*x) R.parseEvalQ("fit.lm <- lm(y ~ x); fit.lm.coef <- fit.lm$coef"); std::vector<double> coef; coef = R["fit.lm.coef"]; // 回帰係数 取得 std::cout << "傾 : " << coef[1] << std::endl; std::cout << "切片: " << coef[0] << std::endl; } return 0; 27
- 29. 3.4.2 回帰分析 $ makelm g++ -I/usr/local/lib/R/include -I/home/sfchaos/lib/R/Rcpp/include I/home/sfchaos/lib/R/RInside/include -g -O2 -Wall I/usr/local/include lm.cpp -L/usr/local/lib/R/lib -lR L/usr/local/lib/R/lib -lRblas -L/usr/local/lib/R/lib -lRlapack L/home/sfchaos/lib/R/RInside/lib -lRInside -Wl,rpath,/home/sfchaos/lib/R/RInside/lib -o lm $ ./lm 傾き: 2 切⽚: -0 28
- 30. 3.4.3 Qtへの埋め込み QtにRを埋め込むことも可能． 詳細は以下を参照． R inside Qt: A simple RInside application パラメータを変えて 計算を実⾏ 29
- 31.
- 32. R ⇔C++の誰得な発表． • R ⇒ C++: Rcpp • C++ ⇒ R: RInside C++で統計解析を⾏うための良いツールがあれば， 是⾮教えてください． 31