从python中从randomizedPCA导入sklearn.decomposition的减少时间

Question

从java调用python源代码。这是正确的，但时间是非常重要的，对于端python源的所有时间都不到1秒，但是加载/导入RandomizedPCA的时间大约是3 second.this行：

from sklearn.decomposition import randomizedPCA

因此，我需要一个加载/导入这个更快(不到1秒)的方法。我认为一种方法是永远在内存中加载这个库，这有助于解决这个问题，但没有找到它。

Answer 1

我建议升级到最新版本的滑雪板。来自发布说明

Class decomposition.RandomizedPCA现在已被分解到decomposition.PCA中，并且可以使用参数svd_solver='randomized'进行调用。对于n_iter，'randomized'的默认数目已更改为4。svd_solver='full'恢复了PCA的旧行为。另一个求解器调用arpack并执行截断(非随机) SVD。默认情况下，根据输入的大小和所请求的组件数选择最佳的求解器。

import timeit
timeit.timeit('import sklearn.decomposition')

Python 2.7：~0.5秒 Python 3.4：~1.2秒

计算机: i7-3770运行Ubuntu 16.04 LTS