マシンラーニングでは、トレーニングは多くの時間を消費しますが、これは測定可能ですが、トレーニング終了後に限ります。任意の機能を実行する予想時間を測定
の見積もりトレーニングを完了するのにかかる時間（または一般的には、任意の機能）は、before_callのようなものですか？
確かに、マシンに依存しますが、入力にはよりますが、単純な入力に基づいてアルゴリズムが呼び出すすべてのIOに基づく近似が実際の入力のサイズに比例します。このようなもの？
PS - JS、Rubyや他のオブジェクト指向言語
PPS - 私は、Oracleの仕方、described hereがあることがわかります。それはクールだ。どうしたの？
時間/段数の制限を設定しない場合（それは簡単です）、必要な時間を概算する方法はありません一般にです。
たとえば、ニューラルネットワークトレーニングは、基本的にはグローバル高次元最適化の問題です。このタスクでは、与えられた損失関数に対してそのようなパラメータのセットを見つけようとしています。最小限のエラーが返されます。この作業はNP-completeクラスに属しており、解決することは非常に困難です。一般的なアプローチは、全体的なパフォーマンスを向上させることを期待して、小さな値でいくつかのパラメータを無作為に変更することです。実際にはうまくいきますが、必要なランタイムは問題ごとに大きく異なる可能性があります。 NP-completness、、optimisationをお読みになることをお勧めします。
Ciをi番目の学習ステップの複雑さとします。 Piをi番目のステップで、またはiステップ前に学習することを確率とする。 kをPk> 0.5のステップとする。この場合
複雑さ、Cは、問題がkは見つけることが困難であるということである
C =和（PI、I = 1、K）
あります。この場合、以前に学習した類似のパターンを保存しておき、それらの平均ステップ数を計算して中央値にすることをお勧めします。セットが十分に大きければ、かなり正確になります。
Pi =手順iで学習したインスタンスの数/インスタンスの合計数