実行速度の比較

便利な実行環境である ipython を用いて，二つのクラス NaiveBayes1 と NaiveBayes2 の訓練の実行速度を比較します． そのために， ipython を起動し，訓練に必要なデータを読み込みます．

In [10]: data = np.genfromtxt('vote_filled.tsv', dtype=int)
In [11]: X = data[:, :-1]
In [12]: y = data[:, -1]

次に，クラスを読み込み，単純ベイズ分類器を実装した二つクラス NaiveBayes1 と NaiveBayes2 のインスタンスを生成します．

In [13]: from nbayes2 import *
In [14]: clr1 = NaiveBayes1()
In [15]: clr2 = NaiveBayes2()

最後に， %timeit コマンドを使って，訓練メソッド fit() の実行速度を測ります．

In [10]: %timeit clr1.fit(X, y)
100 loops, best of 3: 16.2 ms per loop

In [11]: %timeit clr2.fit(X, y)
1000 loops, best of 3: 499 us per loop

実行速度を見ると NaiveBayes1 の16.2ミリ秒に対し， NaiveBayes2 では499マイクロ秒と，後者が 32.5 倍も高速です． for ループを用いた実装では Python のインタプリタ内で実行されるのに対し， NumPy で配列の演算を用いて実装すると，ほとんどがネイティブコードで実行されるため非常に高速になります． このようにブロードキャストを活用した実装は，コードが簡潔になるだけでなく，実行速度の面でも有利になります．