我有一个特定的MCMC算法，我想移植到C / C ++。许多昂贵的计算已经通过Cython用C语言编写，但是我希望整个采样器都以编译语言编写，这样我就可以为Python / R / Matlab /任何东西编写包装器。
闲逛之后，我倾向于使用C ++。我知道的几个相关库是Armadillo（http://arma.sourceforge.net/）和Scythe（http://scythe.wustl.edu/）。两者都试图模仿R / Matlab的某些方面以简化学习曲线，这是我非常喜欢的。镰刀使我想做的事情变得更好。特别是，其RNG包含很多分布，其中Armadillo仅具有统一/正态分布，这很不方便。镰刀（Scythe）于2007年发布其最新版本时，犰狳似乎处于相当活跃的开发状态。
因此，我想知道的是，是否有人有使用这些库的经验，或者我几乎肯定会错过的其他库，如果是这样，对于非常熟悉Python / R / Matlab的统计学家，是否有什么值得推荐的？但是对于编译语言却不是这样（不是完全无知，但不是完全精通...）。
Answers:
我们已经花了一些时间通过我们的Rcpp包使从C ++到R的包装变得容易（然后再返回）。
而且由于线性代数已经是一个易于理解和编码的领域，因此，Armadillo是当前，现代，令人愉悦，饱满，小巧，模板化的...库，非常适合我们的第一个扩展包装：RcppArmadillo。
这也引起了其他MCMC用户的注意。去年夏天，我在罗切斯特大学商学院做了一天的工作，并通过类似的探索帮助了中西部的另一位研究人员。给RcppArmadillo一个尝试-它运作良好，正在积极维护（新犰狳今日发布1.1.4，我会以后新RcppArmadillo）和支持。
而且由于我只是非常喜欢这个示例，所以这里是lm()返回系数和std.errors 的快速“快速”版本：
extern "C" SEXP fastLm(SEXP ys, SEXP Xs) {
try {
Rcpp::NumericVector yr(ys); // creates Rcpp vector
Rcpp::NumericMatrix Xr(Xs); // creates Rcpp matrix
int n = Xr.nrow(), k = Xr.ncol();
arma::mat X(Xr.begin(), n, k, false); // avoids extra copy
arma::colvec y(yr.begin(), yr.size(), false);
arma::colvec coef = arma::solve(X, y); // fit model y ~ X
arma::colvec res = y - X*coef; // residuals
double s2 = std::inner_product(res.begin(), res.end(),
res.begin(), double())/(n - k);
// std.errors of coefficients
arma::colvec std_err =
arma::sqrt(s2 * arma::diagvec( arma::pinv(arma::trans(X)*X) ));
return Rcpp::List::create(Rcpp::Named("coefficients") = coef,
Rcpp::Named("stderr") = std_err,
Rcpp::Named("df") = n - k);
} catch( std::exception &ex ) {
forward_exception_to_r( ex );
} catch(...) {
::Rf_error( "c++ exception (unknown reason)" );
}
return R_NilValue; // -Wall
}
最后，您还可以通过内联立即获得原型，这可以使“编码时间”更快。
我强烈建议您查看RCpp和的RcppArmadillo软件包R。基本上，您不必担心包装器，因为它们已经被“包含”了。此外，语法糖真的很甜（双关语意味深长）。
附带说明一下，我建议您先看一下JAGS，它使用MCMC进行操作，其源代码使用C ++。
Rcpp与RcppArmadillo是要走的路。编辑：使用RCPP，你也可以访问所有的C代码底层R. implmented的随机数发生器
Boost C ++库中的Boost Random很适合您。除了许多类型的RNG，它还提供了多种不同的分布，例如
此外，Boost Math还可以使用多种分布的众多密度函数对上述分布进行补充。它还具有一些简洁的助手功能；只是给你一个想法：
students_t dist(5);
cout << "CDF at t = 1 is " << cdf(dist, 1.0) << endl;
cout << "Complement of CDF at t = 1 is " << cdf(complement(dist, 1.0)) << endl;
for(double i = 10; i < 1e10; i *= 10)
{
// Calculate the quantile for a 1 in i chance:
double t = quantile(complement(dist, 1/i));
// Print it out:
cout << "Quantile of students-t with 5 degrees of freedom\n"
"for a 1 in " << i << " chance is " << t << endl;
}如果您决定使用Boost，还可以使用其UBLAS库，该库具有多种不同的矩阵类型和运算。
有许多C / C ++库，其中大多数集中在特定的问题领域（例如PDE求解器）。我可以想到两个综合库，它们可能特别有用，因为它们是用C编写的，但是已经编写了出色的Python包装器。
我从未使用过trilinos，因为该功能主要用于数值分析方法，但是我在统计工作中经常使用PyIMSL（在以前的工作生涯中，我也开发了该软件）。
关于RNG，以下是IMSL中C和Python中的RNG