R 如何从两个矩阵中选择行并将其相乘

我试图循环两个矩阵中的行并将它们相乘，但每次尝试都会产生下面的第一个错误（很明显），以及最后两次尝试中关于维度不匹配的第二个错误。我试图将提取的行的格式更改为stan可以接受的格式，但我不知道如何将它们强制为相关格式。我如何选择行并将它们相乘

语法错误，来自解析器的消息：
没有匹配项：
行向量*行向量

表情不好

---

---

我的

rstan

code

library("rstan") 
txt <- 
  'data {
    int<lower=0> N;   
    int<lower=0> K;     
    int Ns;
    matrix[N, K] xnew;   
    matrix[Ns, K] beta;
  }
  parameters {
  }
  model {
  }
  generated quantities {
    matrix[Ns, N] yh;

    for(n in 1:N) {
      for(i in 1:Ns) {
//        yh[i, n] = xnew[n]* beta[i];
          yh[i, n] = xnew[n]* beta[i, ];
//        yh[i, n] = xnew[n]* row(beta, i);
//        yh[i, n] = xnew[n,]* row(beta, i);
//        yh[i, n] = to_vector(row(xnew, n))* to_matrix(row(beta, i));
//        yh[i, n] = to_vector(row(xnew, n))* row(beta, i);         
      }  
    }
  }

'
stan_model(model_code=txt) 

编辑：

这似乎起到了作用：

yh[i, n] = dot_product(row(xnew, n), row(beta, i));

---

但是，有没有一种方法可以在不遍历每一行的情况下计算这个值？（我什么也看不见）

嗯，我在这上面唱了一首歌，跳了一支舞。。。但是你可以使用矩阵乘法：

yh=beta*xnew'编辑：按照Bob在下面评论中的建议，我将矩阵转置移动到
转换数据
块

因此，完整代码：

txt <- 
  "data {
    int<lower=0> N;   
    int<lower=0> K;     
    int Ns;
    matrix[N, K] xnew;   
    matrix[Ns, K] beta;
  }
  transformed data{
    matrix[K, N] xnew_t = xnew';
  }
  parameters {
  }
  model {
  }
  generated quantities {
    matrix[Ns, N] yh;
    yh = beta* xnew_t;
  }

"

fit <- stan(model_code=txt,  data = list(beta=beta, xnew=xnew, Ns=10, N=2, K=3 ),    
            chains = 1, seed = 1, iter=1, algorithm = "Fixed_param")

ex_samp = as.matrix(fit)
all.equal(yh, matrix(ex_samp[-length(ex_samp)], nc=2))

txt嗯，我在这上面唱了一首歌，跳了一支舞。。。但是你可以使用矩阵乘法：
yh=beta*xnew'编辑：按照Bob在下面评论中的建议，我将矩阵转置移动到
转换数据
块

因此，完整代码：

txt <- 
  "data {
    int<lower=0> N;   
    int<lower=0> K;     
    int Ns;
    matrix[N, K] xnew;   
    matrix[Ns, K] beta;
  }
  transformed data{
    matrix[K, N] xnew_t = xnew';
  }
  parameters {
  }
  model {
  }
  generated quantities {
    matrix[Ns, N] yh;
    yh = beta* xnew_t;
  }

"

fit <- stan(model_code=txt,  data = list(beta=beta, xnew=xnew, Ns=10, N=2, K=3 ),    
            chains = 1, seed = 1, iter=1, algorithm = "Fixed_param")

ex_samp = as.matrix(fit)
all.equal(yh, matrix(ex_samp[-length(ex_samp)], nc=2))

txt对于
xnew
的转置，在转换的数据块中使用变量
xnew\t
会更快。否则，Stan必须分配，然后在每次迭代中进行复制。这还不算太糟糕，因为它只是每次迭代一次，而不是每次对数密度和梯度一次，并且它使用
double
算法而不是autodiff。在转换的数据块中使用变量
xnew\t
进行
xnew
的转置会更快。否则，Stan必须分配，然后在每次迭代中进行复制。这还不算太糟糕，因为它只是每次迭代一次，而不是每次对数密度和梯度一次，并且它使用
double
算法而不是autodiff。
txt <- 
  "data {
    int<lower=0> N;   
    int<lower=0> K;     
    int Ns;
    matrix[N, K] xnew;   
    matrix[Ns, K] beta;
  }
  transformed data{
    matrix[K, N] xnew_t = xnew';
  }
  parameters {
  }
  model {
  }
  generated quantities {
    matrix[Ns, N] yh;
    yh = beta* xnew_t;
  }

"

fit <- stan(model_code=txt,  data = list(beta=beta, xnew=xnew, Ns=10, N=2, K=3 ),    
            chains = 1, seed = 1, iter=1, algorithm = "Fixed_param")

ex_samp = as.matrix(fit)
all.equal(yh, matrix(ex_samp[-length(ex_samp)], nc=2))