optimiser le temps de calcul d'une fonction spécifique

Bonjour la communauté R,
J'ai cette fonction dans mon code R sauf qu'elle met énormément de temps à tourner (j'utilise B = 200 pour les vrais calculs).
J'aimerais savoir s'il existe une façon plus optimale de coder cette fonction ?

Merci bien !

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

BagHist = function(xx,grille=aa, B= 10) { # A chaque etape, on prend un nouveau jeu de données, on construit un histogramme, on prédit et on agrége. n = length(xx) fin = 0 for(i in 1:B) { xb = xx[sample(n,replace=TRUE)] nbr=bropt(xb)$opt hs2=hist(xb,breaks=mybreaks(xb,nbr),plot=F,warn.unused = F) fin= fin + predict.hist(hs2,grille)   } fin/B }

---

Essaie la fonction boot et la compilation (cf. compile)

Bonjour,

sur les versions récentes de R il n'y a plus besoin de compiler les fonctions elles le sont automatiquement, R faisant de la compilation JIT (just in time).
Il est difficile de répondre à cette question sans connaître les fonctions auxquelles tu fais appel.
Comme l'a dit faubry tu peux passer par la fonction boot pour faire ça et une fois que tu récupères tes résultats tu peux en faire la somme.
L'autre possibilité c'est de se servir de plusieurs coeurs en faisant du calcul en parallèle. Par exemple avec 4 coeurs, chacun peut faire 50 opérations.
Ou de se servir de cette option dans la fonction boot :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13

BagHist1 <- function(x, i, n, grille) { # A chaque etape, on prend un nouveau jeu de données, on construit un histogramme, on prédit et on agrége. xb <- x[i] nbr <- bropt(xb)$opt hs2 <- hist(xb,breaks=mybreaks(xb,nbr),plot=F,warn.unused = F) res <- predict.hist(hs2,grille) }   res <- boot(xx, BagHist1, R = 200, stype = "i", n = length(xx), grille = aa, parallel = "snow", ncpus = 4)   # les simulations se trouve dans res$t

---

Pour la suite tout dépend de la structure de tes résultats, et donc de ce qui se situe dans res$t

cdlt