R 优化代码以最小化错误

我已经编写了下面的代码，通过更改alpha的值（使用迭代方法）来最小化错误

我使用了

sapply

进行基本优化。但是，如果点数超过10000，则此代码将永远运行。那么，有没有更好的实现方法或标准技术来优化（比如

二分法

）。如果是的话，你能帮我优化代码吗

注意：我需要alpha的值至少有4位小数

---

非常感谢您的帮助。

用

替换
而不是
for
并不会更有效。它通常只是简单的代码

然而，您实际上可以利用代码中的矢量化，这会更快

例如，
sapply（错误，函数（x）x*x）
可以简单地替换为
x*x
。因此，R中数字的平方误差之和就是
sum（（OY-PY）**2）

因此，您的整个功能归结为：

minimizeAlpha = function(Y, OY, alpha)
    sum((OY - alpha * Y) ** 2)

这应该更有效-但首先也是最重要的是它的代码更好，可读性更好。
您可以通过
vapply
和使用返回值，即
vapply（alphas，函数（x）minimizeAlpha（Y，OY，x），数值（1））获得一些效率
应该考虑用
sapply
替换
的
，这不是一个优化，这是一个误解。@akrun-
sse=vapply（alphas，FUN=function（x）minimizeAlpha（Y，OY，x），FUN.VALUE=0.0）
。代码仍然在永远运行。这是正确的语法吗？我说了一些效率，但是没有那么多。否则，一个选项可能是复制长度为“Y”、“OY”和“OY”的Alpha，并应用函数，同时替换函数中的
sapply
。太好了。这很有魅力。只是为了增加我的理解，是不是这行代码占用了时间？此外，如果NPOINT进一步增加，即使这需要时间。所以，我听说有一些标准，比如
Bisection
方法来解决这些问题？我走对了吗？@KartheekPalepu是的，
sapply
行实质上是将一个高效的C操作分解成几个部分，并以R而不是C运行更多（较慢）的代码。关于第二个问题，你走对了。另外，请看一下用于实现此功能的高级策略的
optimize
和
optim
函数。
minimizeAlpha = function(Y, OY, alpha)
    sum((OY - alpha * Y) ** 2)