爲什麼「partial_fit」方法比「fit」方法花費的時間要長很多

Question

我正在玩scikit-learn庫的詞典學習，我想根據一系列圖像構建詞典。我試圖使用MiniBatchDictionaryLearning的partial_fit方法，並且發現它比fit花費更長的時間。我的代碼看起來（與莉娜爲例）：

import numpy as np 
from scipy.misc import lena 
from sklearn.decomposition import MiniBatchDictionaryLearning 
from sklearn.feature_extraction.image import extract_patches_2d 

lena = lena() 
lena = lena[::2, ::2] + lena[1::2, ::2] + lena[::2, 1::2] + lena[1::2, 1::2] 
height, width = lena.shape 

patch_size = (7, 7) 
data = extract_patches_2d(lena, patch_size) 
data = data.reshape(data.shape[0], -1) 
dico = MiniBatchDictionaryLearning(n_components=100, n_iter=500,transform_algorithm ='lars', alpha=1,transform_n_nonzero_coefs=5,verbose=1) 
dicObj = dico.partial_fit(data) 

這需要年齡來完成，而如果我更換partial_fit與fit ...它需要幾秒鐘。

（我有scikit-learn 15.2）

這是爲什麼？

Answer 1

這很可能是由於partial_fit打算在小批量數據上調用。

方法fit實際上與partial_fit的做法相同 - 它稱爲在線字典學習功能。區別在於fit使用在構建對象時指定的批處理大小，默認情況下爲3，而partial_fit適用於您提供的全部數據（並且如果提供的樣本太多，則這可能需要很長時間，partial_fit不適用於那）。

Here是函數，所以你可以看看會發生什麼。