我有一个特定的 MCMC 算法，我想将它移植到 C/C++。大部分昂贵的计算已经通过 Cython 用 C 语言完成，但我希望用编译语言编写整个采样器，这样我就可以为 Python/R/Matlab/whatever 编写包装器。
在闲逛之后，我倾向于 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 的某些方面来简化学习曲线，我非常喜欢这一点。我认为 Scythe 与我想做的事情相比要好一些。特别是，它的 RNG 包含很多分布，其中犰狳只有统一/正态，这很不方便。Armadillo 似乎处于相当活跃的开发阶段，而 Scythe 的最后一次发布是在 2007 年。
所以我想知道是否有人对这些库有经验 - 或者我几乎肯定错过了其他库 - 如果是这样，对于非常熟悉 Python/R/Matlab 的统计学家，是否有什么可以推荐的但对于编译语言则更少（并非完全无知，但并不完全精通......）。
通过我们的Rcpp包 ，我们花了一些时间使从 C++ 到R的包装（以及返回）变得更加容易。
而且因为线性代数已经是一个很好理解和编码的领域，犰狳，一个当前的、现代的、令人愉快的、记录良好的、小型的、模板化的......库非常适合我们的第一个扩展包装器：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，并帮助了中西部的另一位研究人员进行了类似的探索。试试 RcppArmadillo -它运行良好，得到积极维护（今天发布了新的 Armadillo 1.1.4，稍后我将制作一个新的 RcppArmadillo）并得到支持。
而且因为我只是对这个示例进行了如此多的操作，所以这里有一个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，您还可以通过内联获得即时原型设计，这可能会使“编码时间”更快。
RCpp我强烈建议您RcppArmadillo查看R. 基本上，您不需要担心包装器，因为它们已经“包含”了。此外，语法糖真的很甜（双关语）。
作为附带说明，我建议您查看JAGSMCMC，它的源代码是 C++。
Boost C++ 库中的 Boost Random 可能非常适合您。除了许多类型的 RNG 之外，它还提供了多种不同的分布可供借鉴，例如
此外，Boost Math补充了您可以从中采样的上述分布，其中包含许多分布的众多密度函数。它还有几个简洁的辅助函数；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，您还可以使用它的 UBLAS 库，该库具有各种不同的矩阵类型和操作。
那里有许多 C/C++ 库，大多数都专注于特定的问题域（例如 PDE 求解器）。我能想到有两个综合库，您可能会发现它们特别有用，因为它们是用 C 编写的，但已经编写了出色的 Python 包装器。
我从未使用过 trilinos，因为它的功能主要用于数值分析方法，但我经常使用 PyIMSL 进行统计工作（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