您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

100万条数据跑机器学习要多久？

复杂度,算法,时间100万条数据跑机器学习要多久？

发布时间：2016-12-08加入收藏来源：互联网点击：

100万条数据跑机器学习要多久？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

人工智能兴起得时代，什么神经网络、增强学习、深度学习等诸多牛掰的算法让人云里雾里，在学习各种各样应用不同的算法之前，不如缓一缓来了解一下如何来判断一个算法是好是坏。算法好坏直接影响到程序执行的效率，曾经读过一本关于中国象棋算法设计的书籍，该书算法设计的基本思路就是构建博弈树进行深度遍历搜素。理想的状态就是搜索到可以获胜为止，但是象棋局面的复杂度搜索起来足以让你等到胡子花白。所以作者采用了α-β搜索剪枝的办法来提高执行效率，这就使得博弈算法变得比以往要好的多。

怎么来评估算法的好坏，主要两个方面的判断：时间复杂度&空间复杂度。

时间复杂度【O】的计算：（本质就是数程序运行次数）

用常数1取代运行时间中的所有加法常数。在修改后的运行次数函数中，只保留最高阶项。如果最高阶项存在且不是1，则改为1。

这样得到的结果就是大O阶。

假设计算机运行一次基础代码需要执行一次运算，那么下面的main函数中运行玩需要执行两次运算。







加上for循环可以看出main函数中两次循环后执行的运算次数为1+2*1+1 = 4次




运算次数的函数f(n) = 4，根据上面时间复杂度的计算规则第一条便知，时间复杂度是O(1)，而不是O(4)。

时间复杂度的分类大致分为常数阶、线性阶、平方阶、立方阶、对数阶等。比如某个函数的运算次数函数为f(n)=32 + 2n + 1，则时间复杂度为O(n3)。如下表：

常见的时间复杂度如下：




时间消耗比较：

O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)

对于算法的设计，数据量越大，对于时间复杂度的需求便越严格，否则时间的损耗都是不同数量级的差距。

空间复杂度【S】的计算：（就是计算算法所需要的存储空间）

公式：S(n) = O(f(n))，其中，n代表问题的规模，f(n)是语句关于n所占存储空间的函数。

空间复杂度不知道该说些什么好，其实在编写代码的时候，我们要有一种空间使用的概念，而不是说只知道自己在敲代码。尤其涉及到硬件开发，比如STM32，FPGA，嵌入式开发之类，它们不像PC机，由于滥用资源就会导致程序溢出空间不足。




根据你程序复杂度以及步骤才能详细计算。

回答于 2019-09-11 08:43:50

什么数据，什么配置的机器

回答于 2019-09-11 08:43:50

这个很难回答，什么机器，什么配置，采用什么算法，参数怎么配置，任何因素都能决定时间长短

回答于 2019-09-11 08:43:50

这个问题毕业考虑机器人的智能程度，比如你让一个小孩和一个中学生去学习高中数学，肯定学习能力也不同，机器人也一样，如果一个机器人有超级计算机那样的大脑，那完全可以用秒计算