リファクタリング-2-

リファクタリングとして数多くのことをする必要があるが、とりあえず最初にやるべきことは、Math::NumberCruncher のコードから、今回必要なルーチンをコピーして持ってくることだろう。Correlation()関数を呼び出す回数は O(n²) になるが、Wikipediaの「相関係数」のページによると相関係数を求める式はこのようになっている:

分母が特に「列」単位で独立して計算できる事がわかる。列単位ならば計算はO(n)で済む。このような最適化がかけられるかどうか、調べるには元のソースが無くてはいけない。
幸い、CPANには perl のソースが .pm ファイルとしてついてくる。それをコピーしてみたが、全部 perl で書かれているようだ。これならば最適かもかけられよう。

次に、x と y のラベル名を読み込むコードを変更する。旧来:

our $i = 0;
our @x_tagname = ();
while (<COMPARE_X>) {
 $_ =~ s/^\"//;
 $_ =~ s/\"\n$//;
 $x_tagname[$i] = $1;
 $i++;
}
close COMPARE_X;

となっていたのだが、

1. push()関数を使えばインデックスの $i は不要になる。


2. ラベル名に " がついたままでもいいじゃないか。どうせ x, y だけでなくデータのラベルも " がついたままなのだから。文字列比較の際に " がついたまま比較すればいい

と考えるた。結果、このように簡単になる:

our @x_tagname = ();
while (<COMPARE_X>) {
 $_ =~ s/^\s*(".*")\s*$/\1/;
 push @x_tagname, ( $_ );
}
close COMPARE_X;

同じ変更は COMPARE_Y を読み込む部分についても行う。DATAFILEの最初の1行目を読んだ部分に関してはもっと極端だ。

# Read first line of .
# This should be the list of TAG-NAME.
$line  = <DATAFILE>;
@tagname = split /\t/, $line;
for ( $i = 0; $i < scalar( @tagname ); $i++ ) {
  my $val;
  $val  = $tagname[$i];
  $val  =~ s/^\s*"//;
  $val  =~ s/"\s*$//;
  $tagname[$i] = $val;
}

というこれは

$line  = <DATAFILE>;
@tagname = split /\t/, $line;
for ( my $i = 0; $i < scalar( @tagname ); $i++ ) {
    $tagname[$i] =~ s/^\s*(".*")\s*$/\1/g;
}

とできる。

次に。今回のリファクタリングで、BestFit() を呼び出し、回帰直線の傾きと切片を求めるのをやめる。この計算も結構な高コストである上に、相関係数を求めた結果として、重要と思われたものについてのみ必要な数値だからだ。これらは、計算すべきターゲットが見つかってから計算するのでも間に合う。