python - 如何提高这个微小距离Python函数的性能

Question

在 sklearn 中为聚类算法使用自定义距离度量函数时，我遇到了性能瓶颈。

Run Snake Run 显示的结果是这样的:

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

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)))

任何有关导致它如此缓慢的原因的想法都将不胜感激。

Answer 1

我不熟悉该函数的作用 - 但是否存在重复计算的可能性？如果是这样，您可以记住该函数:

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]