Tag: 逻辑回归

在Python中加速矩阵向量乘法和求幂，可能通过调用C / C ++

我目前正在研究机器学习项目 – 给定数据矩阵Z和向量rho – 我必须计算rho处逻辑损失函数的值和斜率。 计算涉及基本的矩阵向量乘法和log / exp运算，以避免数值溢出（在上一篇文章中描述）。 我目前正在使用NumPy在Python中执行此操作，如下所示（作为参考，此代码运行时间为0.2秒）。 虽然这很好用，但我想加快速度，因为我在代码中多次调用该函数（它代表了我项目中90％以上的计算）。 我正在寻找任何方法来改善没有并行化的代码的运行时间（即只有1个CPU）。 我很高兴使用Python中任何公开的软件包，或者调用C或C ++（因为我听说这可以将运行时间提高一个数量级）。 预处理数据矩阵Z也可以。 为了更好的计算可以利用的一些事情是矢量rho通常是稀疏的（大约50％的条目= 0）并且通常存在比列多得多的行（在大多数情况下n_cols <= 100 ） import time import numpy as np np.__config__.show() #make sure BLAS/LAPACK is being used np.random.seed(seed = 0) #initialize data matrix X and label vector Y n_rows, n_cols = 1e6, 100 X = np.random.random(size=(n_rows, n_cols)) Y = np.random.randint(low=0, […]