使用python的naivebayes分类器的执行时间

Question

我想根据每个分类器的执行时间比较两个分类器。如何度量分类器（如naivebayes）的执行时间？在

Answer 1

{a1}函数的两个实现在这里比较^的一般方法：

假设有两个模块，first.py和second.py，它们分别实现了一个名为FirstClassifier和{}的类，都实现了一个名为classify的方法。还假设它们有一个名为train的方法，当调用该方法时，它将读取一些训练数据并训练其模型，并且您希望测量classify方法的速度。在

所以第一.py将是：

# Fill in imports here.
import random

class FirstClassifier(object):
    def __init__(self):
        # Fill in initialization code here.
        pass

    def train(self):
        # Fill in code to train model here.
        pass

    def classify(self, text):
        # Fill in classification code here.
        # Dummy "classification":
        return random.choice(['sports', 'politics', 'video games'])

以及第二.py将是：

^{pr2}$

您可以使用timeit为classify方法的执行计时，如下所示：

python -m timeit -s 'from first import FirstClassifier;classifier = FirstClassifier();classifier.train();' 'classifier.classify("The game ended in a draw.")'

示例输出，表明“游戏以平局结束”的分类平均耗时0.417微秒。在

1000000 loops, best of 3: 0.417 usec per loop

对于第二个实现：

python -m timeit -s 'from second import SecondClassifier;classifier = SecondClassifier();classifier.train();' 'classifier.classify("The game ended in a draw.")'

示例输出，表明“游戏以平局结束”的分类平均耗时0.0836μs。在

10000000 loops, best of 3: 0.0836 usec per loop

这些timeit命令的一般形式是python -m timeit -s 'SETUP_CODE' 'CODE_TO_TIME'。因此，需要执行的代码来准备要度量的函数将转到-s选项，要计时的主表达式转到命令的第一个非标志参数。在