nlm包在R中的时间复杂度？

Question

我估计一个非线性系统(通过看似不相关的回归- SUR)，使用systemfit (nlsystemfit()函数)软件包，包含4个方程，32个参数来估计(!)和412项观察。但是我的代码需要花费很长时间(我的笔记本电脑，它不是超级强大的)。到目前为止，这一过程持续了13个小时。我不是计算方面的专家，但不久前有人解释了算法时间复杂性的概念(或大o)，然后根据这个概念，计算某一算法的时间可以依赖于观察到的数目和/或系数的特定函数关系。

因此，我正在考虑停止我的过程，试图简化模型(暂时)，并尝试运行一些更简单的东西，只是检查估计的参数到目前为止是否有感觉。然后运行一个完整的模型。

但是，如果我能够更改模型中的关键元素，那么所有这些都是有意义的，这可以大大减少处理时间。这就是为什么我关注谷歌( nlm-package，nlsystemfit()函数依赖于nlm)的时间复杂性，但没有成功。所以，这是我的问题:在运行整个模型之前，有人知道我在哪里可以找到这些信息，或者至少给我一些关于如何测试非线性系统的建议？

Answer 1

由于您没有提供关于您的模型的任何实质性信息，也没有提供相应的代码，因此很难对您的情况进行改进。

从你说的：

因此，我正在考虑停止我的过程，尝试简化模型(暂时)，并尝试运行一些更简单的东西，但是如果估计的参数到目前为止已经确定了，我只想检查一下。然后运行一个完整的模型。

您似乎需要基准测试或获得执行所需的测量时间，就像在您的情况下一样。(尽管它还可以处理内存使用或其他性能指标)

在R中对代码进行基准测试有很多种方法，包括在执行算法/函数之前和之后使用Sys.time()或system.time()，或者库，例如rbenchmark (它是system.time函数的简单包装器)、tictoc、bench和microbenchmark。

最后两个选项是较好的选择，因为bench::mark包括system_time()，一个较高精度的替代system.time()和microbenchmark是准确测量和比较R表达式/算法执行时间的可靠来源。