melkaiah / repository

Programming_Assignment_2

Introducción Esta segunda asignación de programación será necesario que para escribir una función R que es capaz de almacenar en caché los cálculos pueden requerir mucho tiempo. Por ejemplo, tomando la media de un vector numérico es típicamente una operación rápida. Sin embargo, para un vector muy largo, puede tomar mucho tiempo para calcular la media, especialmente si tiene que ser calculada repetidamente (por ejemplo, en un bucle). Si el contenido de un vector no están cambiando, puede tener sentido para almacenar en caché el valor de la media para que cuando lo necesitamos más, se puede consultar en la memoria caché en lugar de recalcula. En esta asignación Programación usted aprovechar las reglas de ámbito de la lengua R y la forma en que se pueden manipular para preservar el estado interior de un objeto R. Ejemplo: Almacenamiento en caché de la media de un vector En este ejemplo se introduce el << - operador que se puede utilizar para asignar un valor a un objeto en un ambiente que es diferente del entorno actual. A continuación se presentan dos funciones que se utilizan para crear un objeto especial que almacena un vector numérico y almacena en caché su media. La primera función, makeVector crea un "vector" especial, que es en realidad una lista que contiene una función para establecer el valor del vector obtener el valor del vector establecer el valor de la media obtener el valor de la media makeVector <- función (x = numérico ()) { m <- NULL set <- función (y) { x << - y m << - NULL } get <- función () x setmean <- función (media) m << - media getmean <- función () m lista (juego = set, get = get, setmean = setmean, getmean = getmean) } La siguiente función calcula la media de la "vector" especial creado con la función anterior. Sin embargo, primero se comprueba si la media ya ha sido calculado. Si es así, obtener s la media de la caché y se salta el cálculo. De lo contrario, se calcula la media de los datos y define el valor de la media en la memoria caché a través de la setmean función. cachemean <- función (x, ...) { m <- x $ getmean () if (! is.null (m)) { mensaje ("la obtención de datos en caché") retorno (m) } datos <- x $ get () m <- media (datos, ...) x $ setmean (m) m } Asignación: El almacenamiento en caché de la inversa de una matriz Inversión de la matriz es por lo general un cálculo costoso y puede haber algún beneficio para el almacenamiento en caché de la inversa de una matriz en lugar de computar varias veces (también hay alternativas a la matriz de inversión que no vamos a discutir aquí). Tu tarea es escribir un par de funciones que caché La inversa de una matriz. Escriba las siguientes funciones: makeCacheMatrix : Esta función crea un objeto especial "matriz" que se puede almacenar en caché su inversa. cacheSolve : Esta función calcula la inversa de la "matriz" especial devuelto por makeCacheMatrix anteriormente. Si la inversa ya se ha calculado (y la matriz no ha cambiado), entonces cacheSolve debe recuperar la inversa de la caché. Calcular la inversa de una matriz cuadrada se puede hacer con la resolver función en R. Por ejemplo, si X es una matriz invertible cuadrado, entonces resolver (X) devuelve su inversa. Para esta tarea, se supone que la matriz suministrado es siempre invertible. Para completar esta tarea, debe hacer lo siguiente: Tenedor del repositorio GitHub que contiene los archivos de código auxiliar R en https://github.com/rdpeng/ProgrammingAssignment2 para crear una copia bajo su propia cuenta. Clonar el repositorio GitHub bifurcada a su ordenador para que pueda editar los archivos de forma local en su propia máquina. Edite el archivo R contenida en el repositorio git y coloque su solución en ese archivo (por favor, no cambie el nombre del archivo). Comprometerse su archivo R completado en su repositorio git y empujar a su rama git al repositorio GitHub bajo su cuenta. Presentar a Coursera la URL de su repositorio GitHub que contiene el código R completado para la tarea. Grading Esta asignación se calificará a través de la evaluación por pares.