改进方法
在求参时for循环性能很低,如果能将for循环改进为向量之间的运算,性能会快很多
将a的分子和分母转换成两个向量的点成,两个一维向量的点成即相乘后相加:
代码改进,只需改进for循环变为:
num=(x_train-x_mean).dot(y_train-y_mean)
d=(x_train-x_mean).dot(x_train-x_mean)
运行结果相同:
性能测试
区别只在于fit函数中是否使用for循环:
当数据增大到百万时,效率差了50倍,所以向量化运算效率更高