Octave: quelle méthode est la plus efficace

Question

J'essaie certains algorithmes d'apprentissage machine dans GNU Octave comme la fonction de coût d'erreur au carré. Le texte que j'ai dit que le bon vectorisé Préparations pour est:

J = (X * theta - y)' * (X * theta - y) * (1/(2*m) 

où X est une matrice m x n+1, thêta est un vecteur n+1 x 1, et y est un vecteur m x 1. Ma question est de savoir si cette deuxième façon est un peu plus rapide:

J = sum((X * theta - y).^2) * (1/(2*m)) 

car il calcule qu'une seule fois X * theta -y. Étant nouveau à l'octave, qui semble fonctionner dans un environnement très capricieux sur windows, je ne sais pas comment faire du benchmarking moi-même.

Puisque c'est plus de curiosité qu'autre chose, n'hésitez pas à me dire que cela n'a pas d'importance.

Answer 1

test vérifie le temps de wallclock:

octave:2> tic; sleep(3); toc 
Elapsed time is 3.00161 seconds. 
octave:3> help tic 

Les résolutions ne sont pas trop grand, donc vous pouvez exécuter un calcul plusieurs fois dans une boucle.

pour mesurer le temps CPU, utilisez cputime:

octave:7> cputime() 
ans = 0.21000 
octave:8> sleep(3) 
octave:9> cputime() 
ans = 0.21000