我阅读了许多关于计算time complexity O(n)
的资源。我把我所理解的应用到我的代码中。
下面是我的代码和我试图找到time complexity
。
我代码:
float Euclidean_distance(int array_point_A[20], int array_point_B[20]) {
float sum = 0.0;
float w[20] = { 0.0847282, 0.0408621, 0.105036, 0.0619821, 0.0595455, 0.0416739, 0.0181147, 0.00592921,
0.040049, 0.0766054, 0.0441091, 0.0376111, 0.0124285, 0.0733558, 0.0587338, 0.0303001, 0.0579207, 0.0449221,
0.0530462, 0.0530462 };
for (int i = 0; i < 20; ++i) {
float a = array_point_A[i] - array_point_B[i];
float wieghted_distance = w[i] * (a * a);
sum += wieghted_distance;
}
return sqrt(sum);
}
int KNN_classifier(int X_train[4344][20], int Y_train[4344], int k, int data_point[20]) {
// Calculate the distance between data_point and all points.
float array_dist[4344]{};
int index_arr[4344]{}
for (int i = 0; i *< 4344; ++i) {
array_dist[i] = Euclidean_distance(X_train[i], data_point);
index_arr[i] = i;
}
现在:功能Euclidean_distance
有2 operations outside the loop
和3 operations inside the loop that will iterate 20 times
。因此,2+3n
,然后我们有O(n)
。
现在:对于函数KNN_classifier
。它有一个循环,将迭代4344
次。在循环中,有2 operations
。所以我们有2n
和O(n)
。//我不确定这个解决方案。
这个操作array_dist[i] = Euclidean_distance(X_train[i], data_point);
混淆了我。所以,我需要在我的计算中包括Euclidean_distance
时间复杂度吗?如果是这样,我猜时间复杂度将是O(n^2)
。但是这两个循环的边界不同。
我需要帮助!!
Big-O表示法只对一个或多个参数有意义,但是您还没有描述代码中哪些值是变量,哪些是常量。
如前所述,函数KNN_classifier
实际上是O(1
,因为4344是一个固定常量,而20是一个常量。如果20是一个常量,并且X_train
和Y_train
的大小打算作为某个数字n
变化,那么它就是O(n)
。如果常数20也变化为m
,那么它就是O(n*m)
。