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

Question

从java调用python源代码。虽然工作正常，但时间非常重要，结束python源的时间不到一秒，但加载/导入RandomizedPCA的时间大约是3秒。这一行：

from sklearn.decomposition import randomizedPCA

所以我需要一种加载/导入速度更快的方法（不到一秒钟）。我认为一种方法是永远将这个lib加载到内存中，这有助于解决这个问题，但是找不到它。

Answer 1

我建议升级到sklearn的最新版本。来自release notes：

  

Class decomposition.RandomizedPCA现已纳入考虑范围   decomp.PCA和可用参数调用   svd_solver='randomized'。 'randomized'的默认n_iter数   已经改为4. PCA的旧行为已经恢复   svd_solver='full'。另一个解算器调用arpack并执行   截断的（非随机的）SVD。默认情况下，最好的解算器是   根据输入的大小和数量选择   请求的组件。

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