Day 29 - Learned Index测试&比较

今天要来测试并比较我们实作出的 Learned Index 与单一 Model(SLR、NN) 的分布情况，我们随机产生 100k 笔 Lognormal (mean=0, sigma=2)分布的资料，产生出来的值乘以1000000。
Learned Index可分为 9 种:第一层 Model 为 SLR、8x8 NN、16x16 NN，第二层的 Model 都为 SLR，只是数量配置不同，可分为 3、10、100，总共 9 种 Learned Index。单一 Model 则分为 SLR、8x8 NN、16x16 NN、32x32 NN 共 4 种。

NN Model的参数配置如下(大家可再自行测试调整):

Learned Index

Learned Index不同配置下测试结果的比较图，图表标题表示的意思为Learned Index(第一层的模型为何, 第二层模型的数量) :

Single Model

不同Single Model测试下的比较图 :

结论

测试完可以看到，对於 Learned Index 来说，第二层 Models 数量配置越多，越拟合 CDF分布，依据我们测试结果发现，对於 Learned Index 来说，架构配置为(SLR, 100) 最拟合 CDF分布! 跟我原本预想的不一样，我以为(8x8, 100)、(16x16, 100)的配置会最好的说><，对於单一模型来看，NN 32x32模型拟合效果最佳!

其实测试完後，感觉不用配置到相较复杂的Learned Index，使用单一模型 NN 32x32，就足以拟合分布嘞。但我们也只是进行简单的测试，资料数量很少只有100k，当资料来到 100M，Learned Index 是否会真的比较适合，是很值得去探讨的地方! 另外 Model 调参的部分，我是手动去调 XD，也许还其他更佳的参数配置，对於 Model 训练更好!