通常在机器学习中，训练会消耗大量时间，虽然这是可以衡量的，但只有在训练结束之后。
是否有某种方法可用于估计完成训练(或一般来说，任何函数)可能需要的时间，比如before_call？
当然，它取决于机器，更多地取决于输入，但是基于算法将调用的所有 IO 的近似值，基于简单的输入，然后缩放到实际输入的大小。是这样的吗？
PS - JS、Ruby 或任何其他 OO 语言
PPS - 我看到在 Oracle 中有一种方法，described here .太棒了。它是如何完成的？
最佳答案
设 Ci 为第 i 个学习步骤的复杂度。设 Pi 是要学习的东西在第 i 步或之前被学习的概率。设 k 为 Pk > 0.5 的步数。
在这种情况下，复杂度 C 是
C = sum(Pi, i=1,k)
问题是k很难找。在这种情况下，最好存储一组以前学习过的相似模式并计算它们的平均步数，这将是中位数。如果集合足够大，它将非常准确。
Pi = 第i步学到东西的实例数/实例总数
关于algorithm - 测量执行任何功能的预期时间，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/42947010/