1

我正在估计一个非线性系统（通过看似不相关的回归 - SUR），使用带有 4 个方程、32 个参数来估计（！）和 412 个观察值的systemfit（函数）包。nlsystemfit()但是我的代码要花很长时间（我的笔记本电脑不是超级强大的）。到目前为止，该过程已经运行了 13 个小时。我不是计算方面的专家，但前段时间有人向我解释了算法（或 big-o）的时间复杂度的概念，然后根据这个概念，计算某个算法的时间可能依赖于特定的函数关系关于观察和/或系数的数量。

因此，我正在考虑停止我的过程，并尝试（暂时）简化模型并尝试运行更简单的东西，只是为了检查估计的参数到目前为止是否有意义。然后，运行一个完整的模型。

但是，如果我可以更改模型中的关键元素，那么这一切都是有意义的，这可以显着减少处理时间。这就是为什么我在谷歌上寻找关于nlm-package 的时间复杂度（nlsystemfit()函数依赖nlm）但没有成功的原因。所以，这是我的问题：任何人都知道我在哪里可以找到这些信息，或者至少给我建议如何在运行整个模型之前测试非线性系统？

4

1 回答 1

0

由于您没有提供有关您的模型或相同代码的任何实质性信息，因此很难表达对您的情况的改进。

从你说的：

因此，我正在考虑停止我的过程，并尝试（暂时）简化模型并尝试运行更简单的东西，只是为了检查估计的参数到目前为止是否有意义。然后，运行一个完整的模型。

就像您的情况一样，您似乎需要进行基准测试或获取执行所需的测量时间。（虽然它也可以处理内存使用或其他一些性能指标）

有很多方法可以在 R 中对代码进行基准测试，其中包括在算法/函数执行之前和之后使用Sys.time()或在执行算法/函数之前和之后使用system.time()，或者诸如rbenchmark（这是system.time函数的简单包装）tictoc、.benchmicrobenchmark

在这些中，最后两个是优选的选项，bench::mark包括system_time()一个更高精度的替代方案，system.time()并且microbenchmark已知是准确测量和比较 R 表达式/算法的执行时间的可靠来源。

于 2020-02-13T16:12:13.540 回答