如何提高这个微距离Python函数的性能

Question

从sklearn使用自定义距离指标函数进行聚类算法时，我遇到了性能瓶颈。

Run Snake Run显示的结果如下：

显然问题是dbscan_metric功能。该功能看起来非常简单，我不太清楚加速它的最佳方法是：

def dbscan_metric(a,b):
  if a.shape[0] != NUM_FEATURES:
    return np.linalg.norm(a-b)
  else:
    return np.linalg.norm(np.multiply(FTR_WEIGHTS, (a-b)))

任何关于导致它如此缓慢的想法都会非常感激。

Answer 1

我不熟悉函数的作用 - 但是有可能重复计算吗？如果是这样，你可以记住这个功能：

cache = {}
def dbscan_metric(a,b):

  diff = a - b

  if a.shape[0] != NUM_FEATURES:
    to_calc = diff
  else:
    to_calc = np.multiply(FTR_WEIGHTS, diff)

  if not cache.get(to_calc): cache[to_calc] = np.linalg.norm(to_calc)

  return cache[to_calc]