1. 更快的numpy
使用mkl 加速numpy
2. 向量化代替循环
通过调用等效的Numpy数组方法来替换任何嵌套的for循环,目的是避免CPU在Python解释器中浪费时间,而不是处理数字以适合您的统计模型
3. 理解求解机理
大部分情况下使用sklearn 慢是应为没有理解好算法机理,同时没有处理好训练数据大小造成的。
使用mkl 加速numpy
通过调用等效的Numpy数组方法来替换任何嵌套的for循环,目的是避免CPU在Python解释器中浪费时间,而不是处理数字以适合您的统计模型
大部分情况下使用sklearn 慢是应为没有理解好算法机理,同时没有处理好训练数据大小造成的。
如果你觉得这篇文章对你有帮助,不妨请我喝杯咖啡,鼓励我创造更多!