三级av一区,亚洲欧美性爱在线,宫日日日干干干av,免费亲子乱婬一级A片 ,人人曰人人操,天天插天天摸,无毛少妇,1国产在线观看

來(lái)源：DeepHub IMBA
本文約1000字，建議閱讀6分鐘
本文為你整理了一些常見的機(jī)器學(xué)習(xí)算法的計(jì)算復(fù)雜度。

計(jì)算的復(fù)雜度是一個(gè)特定算法在運(yùn)行時(shí)所消耗的計(jì)算資源（時(shí)間和空間）的度量。

計(jì)算復(fù)雜度又分為兩類：

一、時(shí)間復(fù)雜度

時(shí)間復(fù)雜度不是測(cè)量一個(gè)算法或一段代碼在某個(gè)機(jī)器或者條件下運(yùn)行所花費(fèi)的時(shí)間。時(shí)間復(fù)雜度一般指時(shí)間復(fù)雜性，時(shí)間復(fù)雜度是一個(gè)函數(shù)，它定性描述該算法的運(yùn)行時(shí)間，允許我們?cè)诓贿\(yùn)行它們的情況下比較不同的算法。例如，帶有O(n)的算法總是比O(n2)表現(xiàn)得更好，因?yàn)樗脑鲩L(zhǎng)率小于O(n2)。

二、空間復(fù)雜度

就像時(shí)間復(fù)雜度是一個(gè)函數(shù)一樣，空間復(fù)雜度也是如此。從概念上講，它與時(shí)間復(fù)雜度相同，只需將時(shí)間替換為空間即可。維基百科將空間復(fù)雜度定義為：

算法或計(jì)算機(jī)程序的空間復(fù)雜度是解決計(jì)算問(wèn)題實(shí)例所需的存儲(chǔ)空間量，以特征數(shù)量作為輸入的函數(shù)。

下面我們整理了一些常見的機(jī)器學(xué)習(xí)算法的計(jì)算復(fù)雜度。

1. 線性回歸

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)

訓(xùn)練時(shí)間復(fù)雜度：O(f2n+f3)

預(yù)測(cè)時(shí)間復(fù)雜度：O(f)

運(yùn)行時(shí)空間復(fù)雜度：O(f)

2. 邏輯回歸

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)

訓(xùn)練時(shí)間復(fù)雜度：O(f*n)

預(yù)測(cè)時(shí)間復(fù)雜度：O(f)

運(yùn)行時(shí)空間復(fù)雜度：O(f)

3. 支持向量機(jī)

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)，s= 支持向量的數(shù)量

訓(xùn)練時(shí)間復(fù)雜度：O(n2) 到 O(n3)，訓(xùn)練時(shí)間復(fù)雜度因內(nèi)核不同而不同。

預(yù)測(cè)時(shí)間復(fù)雜度：O(f) 到 O(s*f):線性核是 O(f)，RBF 和多項(xiàng)式是 O(s*f)

運(yùn)行時(shí)空間復(fù)雜度：O(s)

4. 樸素貝葉斯

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)，c = 分類的類別數(shù)

訓(xùn)練時(shí)間復(fù)雜度：O(n*f*c)

預(yù)測(cè)時(shí)間復(fù)雜度：O(c*f)

運(yùn)行時(shí)空間復(fù)雜度：O(c*f)

5. 決策樹

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)，d = 樹的深度，p = 節(jié)點(diǎn)數(shù)

訓(xùn)練時(shí)間復(fù)雜度：O(n*log(n)*f)

預(yù)測(cè)時(shí)間復(fù)雜度：O(d)

運(yùn)行時(shí)空間復(fù)雜度：O(p)

6. 隨機(jī)森林

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)，k = 樹的數(shù)量，p=樹中的節(jié)點(diǎn)數(shù)，d = 樹的深度

訓(xùn)練時(shí)間復(fù)雜度：O(n*log(n)*f*k)

預(yù)測(cè)時(shí)間復(fù)雜度：O(d*k)

運(yùn)行時(shí)空間復(fù)雜度：O(p*k)

7. K近鄰

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)，k= 近鄰數(shù)

Brute：

訓(xùn)練時(shí)間復(fù)雜度：O(1)

預(yù)測(cè)時(shí)間復(fù)雜度：O(n*f+k*f)

運(yùn)行時(shí)空間復(fù)雜度：O(n*f)

kd-tree：

訓(xùn)練時(shí)間復(fù)雜度：O(f*n*log(n))

預(yù)測(cè)時(shí)間復(fù)雜度：O(k*log(n))

運(yùn)行時(shí)空間復(fù)雜度：O(n*f)

8. K-means 聚類

n= 訓(xùn)練樣本數(shù)，f = 特征數(shù)，k= 簇?cái)?shù)，i = 迭代次數(shù)

訓(xùn)練時(shí)間復(fù)雜度：O(n*f*k*i)

運(yùn)行時(shí)空間復(fù)雜度：O(n*f+k*f)

作者：Rafay Qayyum

編輯：黃繼彥

校對(duì)：林亦霖

8個(gè)常見的機(jī)器學(xué)習(xí)算法的計(jì)算復(fù)雜度總結(jié)