Pythonを使用したNaive Bayesクラシファイアの実行時間

Question

それぞれの実行時間に応じて2つのクラシファイアを比較したいと思います。ナイーブベイなどのクラシファイアの実行時間をどのように測定できますか？ここで

Answer 1

はtimeitモジュールを使用して、機能の2つの実装の実行時間を比較するための一般的な方法である：

はFirstClassifierというクラスを実装し、SecondClassifier両方のことを、次の2つのモジュール、first.pyとsecond.pyを持っていると仮定しますともにclassifyというメソッドを実装しています。また、trainというメソッドがあり、呼び出されたときにトレーニングデータを読み込んでそのモデルをトレーニングし、classifyメソッドの速度を測定するとします。

のでfirst.pyは次のようになります。

# Fill in imports here. 
import random 

class FirstClassifier(object): 
    def __init__(self): 
     # Fill in initialization code here. 
     pass 

    def train(self): 
     # Fill in code to train model here. 
     pass 

    def classify(self, text): 
     # Fill in classification code here. 
     # Dummy "classification": 
     return random.choice(['sports', 'politics', 'video games']) 

そしてsecond.pyは次のようになります。

# Fill in imports here. 

class SecondClassifier(object): 
    def __init__(self): 
     # Fill in initialization code here. 
     pass 

    def train(self): 
     # Fill in code to train model here. 
     pass 

    def classify(self, text): 
     # Fill in classification code here. 
     # Dummy "classification": 
     return 'sports' 

あなたがそうのようなtimeitを使用してclassifyメソッドの実行を時間を計ることができます。

python -m timeit -s 'from first import FirstClassifier;classifier = FirstClassifier();classifier.train();' 'classifier.classify("The game ended in a draw.")' 

サンプルの出力は、「ゲームはドローイングで終了しました」という分類を示しています。平均で0.417μ秒かかる。分類いることを示す

python -m timeit -s 'from second import SecondClassifier;classifier = SecondClassifier();classifier.train();' 'classifier.classify("The game ended in a draw.")' 

出力例、：

1000000 loops, best of 3: 0.417 usec per loop 

そして、第2の実施のための「ゲームは引き分けに終わりました。」平均で0.0836μ秒かかる。

10000000 loops, best of 3: 0.0836 usec per loop 

timeit

これらのコマンドの一般的な形式はpython -m timeit -s 'SETUP_CODE' 'CODE_TO_TIME'あります。したがって、測定する関数を準備するために実行する必要のあるコードは、-sオプションに行き、メインの式はコマンドの最初の非フラグ引数に渡されます。