R中nlm-package的时间复杂度？
Time complexity of nlm-package in R?
我正在估计非线性系统（通过看似无关的回归 - SUR），使用 systemfit（nlsystemfit() 函数）包，包含 4 个方程、32 个参数来估计 (!) 和412 条意见。但是我的代码需要永远（我的笔记本电脑不是超级强大的笔记本电脑）。到目前为止，这个过程已经进行了 13 个小时 运行。我不是计算方面的专家，但前段时间有人向我解释了算法（或 big-o）的时间复杂度的概念，然后根据这个概念，计算某个算法的时间可能依赖于特定的函数关系关于观察次数 and/or 系数。
因此，我正在考虑停止我的过程，并尝试（暂时）简化模型并尝试 运行 一些更简单的东西，只是为了检查估计的参数到目前为止是否有意义.然后，运行 一个完整的模型。
但是如果我可以更改模型中的关键元素，这一切都有意义，这可以显着减少处理时间。这就是为什么我在 google 上寻找 nlm 包的时间复杂度（nlsystemfit() 函数依赖于 nlm）但没有成功。所以，这是我的问题：有人知道我在哪里可以找到该信息，或者至少给我建议如何在 运行 整个模型之前测试非线性系统？
由于您没有提供有关您的模型或相同代码的任何实质性信息，因此很难对您的情况进行改进。
根据你所说的：
Hence, I'm thinking of just stopping my process, and trying to simplify the model (temporarily) and trying to run something simpler, only to check-up if the estimated parameters had sens so far. And then, run a whole model.
您似乎需要 基准测试 或获取测量的执行时间，如您的情况。 （尽管它也可以处理内存使用或其他一些性能指标）
有很多方法可以在 R 中对代码进行基准测试，其中包括在 algorithm/function 执行之前和之后使用 Sys.time() 或 system.time()，或者诸如此类的库rbenchmark（这是 system.time 函数的简单包装）、tictoc、bench 和 microbenchmark。
其中最后两个是更可取的选项，因为 bench::mark 包括 system_time()，system.time() 和 microbenchmark 的更高精度替代被认为是可靠的来源准确测量和比较 R expressions/algorithms.
的执行时间
我正在估计非线性系统（通过看似无关的回归 - SUR），使用 systemfit（nlsystemfit() 函数）包，包含 4 个方程、32 个参数来估计 (!) 和412 条意见。但是我的代码需要永远（我的笔记本电脑不是超级强大的笔记本电脑）。到目前为止，这个过程已经进行了 13 个小时 运行。我不是计算方面的专家，但前段时间有人向我解释了算法（或 big-o）的时间复杂度的概念，然后根据这个概念，计算某个算法的时间可能依赖于特定的函数关系关于观察次数 and/or 系数。
因此，我正在考虑停止我的过程，并尝试（暂时）简化模型并尝试 运行 一些更简单的东西，只是为了检查估计的参数到目前为止是否有意义.然后，运行 一个完整的模型。
但是如果我可以更改模型中的关键元素，这一切都有意义，这可以显着减少处理时间。这就是为什么我在 google 上寻找 nlm 包的时间复杂度（nlsystemfit() 函数依赖于 nlm）但没有成功。所以，这是我的问题：有人知道我在哪里可以找到该信息，或者至少给我建议如何在 运行 整个模型之前测试非线性系统？
由于您没有提供有关您的模型或相同代码的任何实质性信息，因此很难对您的情况进行改进。
根据你所说的：
Hence, I'm thinking of just stopping my process, and trying to simplify the model (temporarily) and trying to run something simpler, only to check-up if the estimated parameters had sens so far. And then, run a whole model.
您似乎需要 基准测试 或获取测量的执行时间，如您的情况。 （尽管它也可以处理内存使用或其他一些性能指标）
有很多方法可以在 R 中对代码进行基准测试，其中包括在 algorithm/function 执行之前和之后使用 Sys.time() 或 system.time()，或者诸如此类的库rbenchmark（这是 system.time 函数的简单包装）、tictoc、bench 和 microbenchmark。
其中最后两个是更可取的选项，因为 bench::mark 包括 system_time()，system.time() 和 microbenchmark 的更高精度替代被认为是可靠的来源准确测量和比较 R expressions/algorithms.