我想将向量（长度约为10 ^ 5）划分为五个类。使用包classIntervals中的函数classInt时，我想使用style = "jenks"自然中断，但是即使对于较小的向量（仅500个），这也会花费大量时间。设置style = "kmeans"几乎立即执行。
library(classInt)
my_n <- 100
set.seed(1)
x <- mapply(rnorm, n = my_n, mean = (1:5) * 5)
system.time(classIntervals(x, n = 5, style = "jenks"))
R> system.time(classIntervals(x, n = 5, style = "jenks"))
user system elapsed
13.46 0.00 13.45
system.time(classIntervals(x, n = 5, style = "kmeans"))
R> system.time(classIntervals(x, n = 5, style = "kmeans"))
user system elapsed
0.02 0.00 0.02
是什么让Jenks算法如此缓慢，并且有更快的方法来运行它？
如果需要，我将把问题的最后两部分移到stats.stackexchange.com：
在什么情况下kmeans可以替代Jenks？
通过在随机的1％数据点子集上运行classInt来定义类是否合理？
最佳答案
要回答您的原始问题：
是什么使Jenks算法如此缓慢，并且有更快的方法
运行？
实际上，与此同时，还有一种更快的方法来应用Jenks算法，即setjenksBreaks包中的BAMMtools函数。
但是，请注意，您必须将中断次数设置为不同，即，如果在classIntervals包的classInt函数中将中断次数设置为5，则必须将中断次数设置为6。 setjenksBreaks包可获得相同的结果。
# Install and load library
install.packages("BAMMtools")
library(BAMMtools)
# Set up example data
my_n <- 100
set.seed(1)
x <- mapply(rnorm, n = my_n, mean = (1:5) * 5)
# Apply function
getJenksBreaks(x, 6)
加速是巨大的，即
> microbenchmark( getJenksBreaks(x, 6, subset = NULL), classIntervals(x, n = 5, style = "jenks"), unit="s", times=10)
Unit: seconds
expr min lq mean median uq max neval cld
getJenksBreaks(x, 6, subset = NULL) 0.002824861 0.003038748 0.003270575 0.003145692 0.003464058 0.004263771 10 a
classIntervals(x, n = 5, style = "jenks") 2.008109622 2.033353970 2.094278189 2.103680325 2.111840853 2.231148846 10