R语言自定义矩阵运算函数与内置函数基准测试方法咨询

1 安装加载性能测试工具 #

R生态中常用microbenchmark包做轻量级的函数性能对比，首先安装加载：

install.packages("microbenchmark")
library(microbenchmark)

2 准备测试样本 #

建议用不同规模的非奇异方阵做测试，固定随机种子保证测试可复现：

set.seed(123)
# 生成2/3/5阶随机测试方阵，不建议用超过5阶的矩阵，你的自定义行列式是递归实现，复杂度为O(n!)，阶数过高耗时会非常长
test_mat_2 <- matrix(rnorm(4), nrow = 2)
test_mat_3 <- matrix(rnorm(9), nrow = 3)
test_mat_5 <- matrix(rnorm(25), nrow = 5)

2.1 提前验证函数正确性 #

性能测试前先确认自定义函数和内置函数输出结果一致，避免逻辑错误影响测试结论：

# 验证行列式结果
all.equal(Det_fn(test_mat_3), det(test_mat_3))
# 验证矩阵求逆结果，允许小范围浮点误差
all.equal(Inv_fn(test_mat_3), solve(test_mat_3), tolerance = 1e-6)

3 分功能执行对比测试 #

microbenchmark会自动重复运行指定次数的函数，统计多维度的耗时指标：

3.1 行列式计算性能对比 #

det_bench <- microbenchmark(
  自定义Det_fn = Det_fn(test_mat_3),
  内置det = det(test_mat_3),
  times = 100 # 重复运行100次统计结果
)
# 输出统计结果，单位默认是微秒
print(det_bench)
# 可视化对比
boxplot(det_bench, log = "y", main = "行列式计算性能对比")

3.2 矩阵求逆性能对比 #

inv_bench <- microbenchmark(
  自定义Inv_fn = Inv_fn(test_mat_3),
  内置solve = solve(test_mat_3),
  times = 100
)
print(inv_bench)
boxplot(inv_bench, log = "y", main = "矩阵求逆性能对比")

4 结果说明 #

输出结果会包含最小耗时、下四分位数、中位数、均值、上四分位数、最大耗时6项指标，参考中位数判断性能差距即可：你的递归实现的矩阵运算在3阶矩阵下就会比内置函数慢上百倍甚至更多，这是正常的，R内置矩阵运算底层调用了高度优化的LAPACK/BLAS线性代数库，避免了递归展开和循环的巨大开销。 #

内容的提问来源于stack exchange，提问作者Diego