會有這篇是剛好想到之前在PTT PO的文章
就想說順便來把這兩個拿來比較一下，於是就有了這一篇的誕生
這篇剛好也是我試到一個RcppEigen比較慢的例子
當做之前的RcppArmadillo vs RcppEigen的延伸
我這次也觀察到一個現象是RcppArmadillo在這個計算上會使用BLAS
所以它這裡會用我R的Multi-threaded MKL BLAS去算
而RcppEigen機制不太確定，但是有趣的事情是Eigen還可以透過include omp配上Eigen::initParallel來加速
但是這裡RcppArmadillo毫無疑問的直接打趴RcppEigen(攤手
下一篇會再把RcppParallel拉進來一起玩
R maillist有討論過這個問題，而且回的非常長
我稍微看了一下，發問者試了RcppArmadillo跟RcppEigen
發現RcppEigen的SVD decomposition不是那麼合用，而且不太好去做coding
RcppArmadillo比較好去coding
最近在比較RcppEigen跟RcppArmadillo，比較的結果寫到下一篇好了
就想說也來試試看RcppEigen跟RcppParallel結合看看有什麼火花
這裡是改之前的RcppArmadillo with RcppParallel的程式 - fastLOOCV
順便也把RcppEigen vs RcppArmadillo 跟 Openmp vs RcppParallel 一起放入混合比較一下
我在把RcppEigen跟RcppParallel合體的時候
看了下面這篇的程式：
我也有發現他在R mail群裡面回答說這個程式時不時會crash
我就想到我第一部分提到的Rcpp::NumericVector會在RcppParallel會crash的問題
那我就修改了一下，發現程式就穩定了，我也把我修改後的程式放上來 (稍微改的漂亮一些)
最近一直work on locally weighted least-square
結果發現使用gausvar這個kernel的時候，weight會出現負的
我原本的解法是直接在input跟output都乘上根號的weight
結果這招就行不通了
另外還有再一些case下，解不是穩健的，有可能跑出虛數，但是虛數的係數其實很小…
所以就下定決心來研究一下各種WLS的解法
最近稍微找了一下locally quantile regression的資訊
結果發現Quantile LOESS這篇可以得到比quantreg更好的效果
不過這方法沒有直覺的方式去選擇bandwidth，所以我就自己加了一點東西進去
結合我開發套件中的rfda(rfda可以在這裡找到)裡面的locPoly1d
就可以很自然使用bandwidth去調整線的平滑程度了，程式如下：
最近遇到在計算functinoal data的cross-covariance surface的時候
發現plyr::ddply裡面的list_to_dataframe有點慢
反而利用plyr::dlply加上data.table的rbindlist可以快上不少
而且plyr::ddply消耗的記憶體相對起rbindlist高上不少
會發現這些都要感謝rstudio新出的套件profvis提供了良好的performance視覺化
其中profvis可以在github找到
因為不想要用公開的程式碼管理
想要用local server做管理
又想要用類似github的功能
所以找了一下，發現gitlab又提供類似功能
而且RStudio可以直接使用