为什么“部分拟合”方法比“拟合”方法耗时更长

Question

我在玩scikit学习库的字典学习，我想建立一个基于图像序列的字典。我尝试使用partial_fit的MiniBatchDictionaryLearning方法，并注意到它比fit要长得多。我的代码看起来如何（以lena为例）：

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)

这需要很长时间才能完成，而如果我将partial_fit替换为fit。。。需要几秒钟。在

（我让scikit学习15.2）

为什么会这样？在

Answer 1

这很可能是因为partial_fit是要对小批量数据调用的。在

方法fit实际上与partial_fit相同，它调用一个在线词典学习函数。区别在于fit使用对象构造时指定的批处理大小，默认情况下为3，而{}则处理您提供的完整数据（如果您提供的样本太多，这可能需要很长时间）。partial_fit不是为此而设计的）。在

Here是函数，因此您可以看看发生了什么。在