Бенчмаркинг «выборочной» функции в R


11

Я сравнивал sampleфункцию в R и сравнивал ее с, igraph:sample_seqи столкнулся со странным результатом.

Когда я запускаю что-то вроде:

library(microbenchmark)
library(igraph)
set.seed(1234)
N <- 55^4
M <- 500
(mbm <- microbenchmark(v1 = {sample(N,M)}, 
                       v2 = {igraph::sample_seq(1,N,M)}, times=50))

Я получаю такой результат:

Unit: microseconds
 expr       min        lq        mean     median        uq       max neval
   v1 21551.475 22655.996 26966.22166 23748.2555 28340.974 47566.237    50
   v2    32.873    37.952    82.85238    81.7675    96.141   358.277    50

Но когда я бегу, например,

set.seed(1234)
N <- 100^4
M <- 500
(mbm <- microbenchmark(v1 = {sample(N,M)}, 
                      v2 = {igraph::sample_seq(1,N,M)}, times=50))

Я получаю гораздо более быстрый результат для sample:

Unit: microseconds
 expr    min     lq     mean  median     uq     max neval
   v1 52.165 55.636 64.70412 58.2395 78.636  88.120    50
   v2 39.174 43.504 62.09600 53.5715 73.253 176.419    50

Кажется, что, когда Nстепень 10 (или какое-то другое специальное число?), sampleНамного быстрее, чем другие меньшие N, которые не являются степенями 10. Это ожидаемое поведение или я что-то упустил?

Ответы:


10

sample()вернее, sample.int()по умолчанию используется алгоритм хеширования при соблюдении определенных условий, одно из которых состоит в том, что n> 1e7.

Если второй бенчмарк перезапустится без хэширования, вы увидите, что он также намного медленнее, чем функция igraph.

set.seed(1234)
N2 <- 100^4
M <- 500
(mbm <- microbenchmark(v1 = {sample.int(N2,M, useHash = FALSE)}, 
                       v2 = {igraph::sample_seq(1,N2,M)}, times=50))

Unit: microseconds
 expr        min         lq         mean     median         uq       max neval cld
   v1 144297.936 150368.649 167224.95664 154283.077 157832.520 407710.78    50   b
   v2     61.218     65.392     92.35544     87.885    118.262    148.87    50  a 

Из документации по useHashаргументу:

логическое указание, должна ли использоваться хеш-версия алгоритма. Может использоваться только для replace = FALSE, prob = NULL и size <= n / 2, и действительно должно использоваться для больших n, так как useHash = FALSE будет использовать память, пропорциональную n.


Интересно! Кажется, это так.
passerby51

Теперь мне интересно , если это можно сравнить , сколько памяти хэшированного «sample.int» использует против igraph :: sample_seq (?)
passerby51
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.