主要内容

使用并行计算实现引导程序

串行和平行的引导程序

这是一个示例定时在串行中与平行与串行中的自举。该示例从两个高斯人的混合物中生成数据，构建了结果数据的非参数估计，并使用引导程序来了解采样可变性。

  1. 生成数据：

    ％生成1000尺寸的随机样品，来自两个高斯分布的混合物x = [randn（700,1）;4 + 2*Randn（300,1）];

  2. 从数据中构建密度的非参数估计：

    latt = -4：0.01：12;myfun = @（x）ksdentens（x，latt）;pdfestimate = myFun（x）;

  3. 引导估算值以了解其采样可变性。在串行中运行bootstrap以进行定时比较。

    tic; b = bootstrp（200，myfun，x）; toc经过的时间为10.878654秒。

  4. 并行运行引导程序以进行计时比较：

    mypool = parpool（）使用“本地”配置文件...连接到2位工人。mypool =带有属性的池：actactedfiles：{0x1 cell} numworkers：2 idletimeout：30 cluster：[1x1 Parallel.Cluster.Cluster.local] requestSuequequequequequequequequequequequequequeue：[1x1 Parallel.RequeStequeue] spmenabled：1
    opt = statset（'useparallel'，true）;tic; b = bootstrp（200，myfun，x，'options'，opt）; TOC经过的时间为6.304077秒。

    在此示例中，并行计算的速度几乎是串行中计算的两倍。

覆盖ksdensity密度估计值，在平行引导程序中获得的200个自举估计值。您可以了解如何评估该图的密度估计的准确性。

保留i = 1：size（b，1），情节（latt，b（i，:)，'c：'）结束图（latt，pdfestimate）;Xlabel（'X'）; Ylabel（“密度估计”）

可重复的平行引导程序

要以可重复的方式并行运行示例，请适当设置选项（请参阅运行可重现的并行计算）。首先设置问题和平行环境串行和平行的引导程序。然后设置使用子流的选项以及支持基因的流。金宝app

S = RandStream（'MLFG6331_64'）;％具有substreams opts = statset（'useparallel'，true，...'streams'，s，'useubstreams'，true）;b2 = bootstrp（200，myfun，x，'options'，opts）;

重新运行引导程序并获得相同的结果：

重置（S）％将流设置为初始状态B3 = Bootstrp（200，MyFun，x，'options'，opts）;iSequal（b2，b3）％检查是否相同结果ANS = 1