Wolfram Language™

Performance améliorée pour les regroupements de données par classe

Comparez les minutages pour les regroupements de données. Les tableaux suivants montrent les comparaisons de vitesse pour différentes tailles d'échantillon et les spécifications de bacs. Des expériences ont été effectuées sur un système Windows 10 avec un processeur Intel Xeon E3-1245 v2 3,40 GHz. Le nombre ci-dessous que la version 11 est plus rapide que la version 10.

Bacs non uniformes unidimensionnels.

In[1]:=

SeedRandom[1]; rlist = Sort[RandomReal[1, 100]]; Table[ BlockRandom[SeedRandom["MarketingExample"]; data = RandomReal[1, n]]; Mean[Table[First[AbsoluteTiming[BinCounts[data, {rlist}];]], {5}]] , {n, {100, 10000, 1000000}}]

Out[139]=

Bacs non uniformes en deux dimensions.

In[2]:=

SeedRandom[1]; rlist1 = Sort[RandomReal[1, 100]]; rlist2 = Sort[RandomReal[1, 100]]; Table[ BlockRandom[SeedRandom["MarketingExample"]; data = RandomReal[1, {n, 2}]]; Mean[Table[ First[AbsoluteTiming[BinCounts[data, {rlist1}, {rlist2}];]], {5}]] , {n, {100, 10000, 1000000}}]

Out[141]=

Bacs uniformes unidimensionnels.

In[3]:=

Table[ BlockRandom[SeedRandom["MarketingExample"]; data = RandomReal[1, n]]; Mean[Table[First[AbsoluteTiming[BinCounts[data, {0, 1, 0.1}];]], {5}]] , {n, {10000, 100000, 1000000}}]

Out[143]=

Bacs uniformes à deux dimensions.

In[4]:=

Table[ BlockRandom[SeedRandom["MarketingExample"]; data = RandomReal[1, {n, 2}]]; Mean[Table[ First[AbsoluteTiming[ BinCounts[data, {0, 1, 0.1}, {0, 1, 0.1}];]], {5}]] , {n, {10000, 100000, 1000000}}]

Out[145]=