आर में बेंचमार्किंग "नमूना" फ़ंक्शन

Question

मैं sampleआर में फ़ंक्शन को बेंचमार्क कर रहा था और इसकी तुलना कर रहा था और igraph:sample_seqएक अजीब परिणाम में भाग गया।

जब मैं कुछ चलाता हूं:

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))

मुझे इस तरह एक परिणाम मिलता है:

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

लेकिन जब मैं दौड़ता हूं, उदाहरण के लिए,

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

मुझे इसके लिए बहुत तेज़ परिणाम प्राप्त हुए हैं 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

ऐसा लगता है कि जब N10 (या कुछ अन्य विशेष संख्या?) की शक्ति है, sampleतो अन्य छोटे की तुलना में बहुत तेज है Nकि 10 की शक्तियां नहीं हैं। क्या यह अपेक्षित व्यवहार है या मैं कुछ याद कर रहा हूं?

Answer 1

sample()या sample.int()जब डिफ़ॉल्ट रूप से एक हैश एल्गोरिथ्म का उपयोग करता है, जब कुछ शर्तों को पूरा किया जाता है, एक है कि n> 1e7।

यदि दूसरा बेंचमार्क बिना हैशिंग के फिर से चल रहा है तो आप देखेंगे कि यह igraph फंक्शन की तुलना में बहुत धीमा है।

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 

useHashतर्क के लिए प्रलेखन से :

यदि एल्गोरिथ्म के हैश-संस्करण का उपयोग किया जाना चाहिए, तो तार्किक संकेत। केवल प्रतिस्थापित = FALSE, prob = NULL, और आकार <= n / 2 के लिए उपयोग किया जा सकता है, और वास्तव में बड़े n के लिए उपयोग किया जाना चाहिए, क्योंकि उपयोग = FALSE n के लिए स्मृति आनुपातिक का उपयोग करेगा।

Comments

दिलचस्प! वह बिल्कुल ऐसा लगता है।

— राहगीर

अब, मुझे आश्चर्य है कि अगर यह कितनी स्मृति बनाम igraph :: sample_seq टुकड़ों में बांटा "sample.int" का उपयोग करता है की तुलना संभव है (?)

— passerby51