2023年

Rと数値シミュレーションを用いて、ロジスティック回帰分析のサンプルサイズ設計をしようとした所、思った以上に時間が掛かることがわかりました。 RでもdoParallelなどを用いて高速化は可能ですが、それでもやっぱり限界があります。ふと、Juliaで書き直したらどれくらい高速化されるのか気になったので、試してみました。 なお、この記事のコードは「数値シミュレーションで読み解く統計のしくみ〜Rでためしてわかる心理統計」の第6章を参考にしています。 ↑アフィリエイトリンクではないので、是非買ってください。 実行した環境 PC： MacBook Air CPU： M2 RAM： 8GB Juliaで実装する 数値シミュレーション本のコードを参考に、Juliaに書き換えて見るとこんな感じ。Juliaはほとんど書いたことがない初心者なので、もっと良い書き方があるかもしれません。 実際に走らせてスピードを比較 同じ設定で回したところ、Juliaは10秒、Rは110秒と11倍の差に。別の設定で回しても、Juliaが6.7秒で、Rが44秒だったり、34秒に対して259秒だったりと、大きく差は開きました。 もちろんdoParallelなどで並列化すればRでも高速化できますが、Juliaなら素の状態でも非常に速く、更に並列化で高速化も可能。 比較的RやPythonに近い形でここまで高速化できるのであれば、Juliaを触っておく価値はありそうです。特にマルチレベルモデルなどモデルが複雑になればなるほど、計算時間が掛かるので、Juliaを覚えると便利かもしれないと思い始めています。

ロジスティック回帰のサンプルサイズ設計をJuliaで高速化する