통계 계산 속도 개선
Statistics and Machine Learning Toolbox™에서는 병렬 연산을 사용하여 특정 통계 계산의 속도를 높일 수 있습니다. 병렬 연산에서 단일 MATLAB® 클라이언트 세션은 독립적인 처리를 위해 코드 세그먼트를 여러 워커에 분산시킨 후 이렇게 얻은 개별 결과를 결합하여 계산을 완료합니다. 병렬 연산을 사용하여 부트스트랩 및 잭나이프, 결정 트리의 부스팅 및 배깅, 교차 검증, 군집화 알고리즘 등과 같은 재추출 기법의 속도를 높일 수 있습니다. 병렬 연산을 지원하는 Statistics and Machine Learning Toolbox 함수의 전체 목록을 보려면 함수 목록(자동 병렬화 지원)을 참조하십시오.
일부 함수는 gpuArray
(Parallel Computing Toolbox) 입력 인수를 받기 때문에, GPU(그래픽스 처리 장치)에서 실행하여 코드 실행 속도를 높일 수 있습니다. GPU 배열을 받는 Statistics and Machine Learning Toolbox 함수의 전체 목록을 보려면 함수 목록(GPU 배열)을 참조하십시오.
병렬 연산 기능과 GPU 배열을 사용하려면 Parallel Computing Toolbox™ 라이선스가 있어야 합니다.
도움말 항목
- Quick Start Parallel Computing for Statistics and Machine Learning Toolbox
Get started with parallel statistical computing.
- Concepts of Parallel Computing in Statistics and Machine Learning Toolbox
Overview of the ideas in parallel statistical computations.
- When to Run Statistical Functions in Parallel
Deciding when to call functions in parallel.
- Working with parfor
Parallel computing using
parfor
with statistics functions. - Implement Jackknife Using Parallel Computing
Speed up the jackknife using parallel computing.
- Implement Cross-Validation Using Parallel Computing
Speed up cross-validation using parallel computing.
- Implement Bootstrap Using Parallel Computing
Speed up the bootstrap using parallel computing.
- Reproducibility in Parallel Statistical Computations
How to obtain identical results from repeated parallel computations.
- Analyze and Model Data on GPU
Accelerate your code by using GPU array input arguments.
- Accelerate Linear Model Fitting on GPU
This example shows how you can accelerate regression model fitting by running functions on a graphical processing unit (GPU).