获取方差协方差矩阵的函数之间的差异（var和cova）

我正在尝试优化一个函数（

NbCluster

），以便能够处理更大的矩阵，这是我之前发布的内容： 这让我创建了一个（仍然是非常实验性的）NbClust分支，如下所示：

主要瓶颈之一是使用

var（）

函数，因此我在

Rfast

中用

cova

替换了它。结果并不完全相同，我需要弄清楚它们是否足够接近，可以互换使用。在差异更大的情况下，还会出现其他情况吗

> bigm <- matrix(rnorm(1000*1000,mean=0,sd = 3), 1000, 1000)
> v <- var(bigm)
> cvm <- cova(bigm)
> sum(v != cvm)
[1] 954579
> sum(v == cvm)
[1] 45421
> cor(c(v), c(cvm), method = "pearson")
[1] 1
> cor(c(v), c(cvm), method = "spearman")
[1] 1
> diff = v - cvm
> mean(diff)
[1] -4.557742e-19
> max(diff)
[1] 2.4869e-14

---

这似乎是

cova

在特定循环迭代的特定情况下获得向量而不是矩阵的结果（cova在早期步骤获得dim（）。我总是通过将对象强制到矩阵来修复它，但我仍然担心我的更改可能会产生意外的后果。我不能说我真正掌握了函数的内部工作原理，我只是用我理解为等价的函数替换了一些函数

cova和var给出了相同的结果，您可以从平均差异中看到。“总和（v！=cvm）”不等于零是合理的。结果并非与所有小数位相同

cova和var给出了相同的结果，您可以从平均差异中看到。“总和（v！=cvm）”不等于零是合理的。结果并非与所有小数位相同

> bigm <- matrix(rnorm(10000*10000,mean=0,sd = 3), 10000, 10000)
> v <- var(bigm)
> cvm <- cova(bigm)
> sum(v != cvm)
[1] 97986031
> sum(v == cvm)
[1] 2013969
> cor(c(v), c(cvm), method = "pearson")
[1] 1
> cor(c(v), c(cvm), method = "spearman")
[1] 1
> diff = v - cvm
> mean(diff)
[1] -3.875792e-20
> max(diff)
[1] 9.05942e-14

Error in sqrt(n) : non-numeric argument to mathematical function