实现引导使用并行计算
自举在串行和并行
下面是一个例子的定时并行自举对串行。的示例由两个高斯混合生成数据，构建所得到的数据的非参数的估计，并使用自举，以获得抽样变异的感觉。
生成的数据：
％来自两个高斯分布X = [randn（700,1）的混合物中生成大小1000，％的随机样本;4 + 2 * randn（300,1）];
构建从数据密度的非参数估计：
LATT = -4：0.01：12;myfun = @（X）ksdensity（X，LATT）;pdfestimate = myfun（X）;
引导估计以获取其抽样变异感。运行定时比较在串行自举。
抽动; B = bootstrp（200，myfun，X）; TOC经过时间10.878654秒。
运行在定时比较并行自举：
myPool的= parpool（）开始使用 '本地' 的个人资料...连接到2名工人parpool。myPool的=池与属性：AttachedFiles：{为0x1细胞} NumWorkers：2的IdleTimeout：30集群：[1x1的parallel.cluster.Local]请求队列：[1x1的parallel.RequestQueue] SpmdEnabled：1选择= statset（ 'UseParallel'，TRUE）;抽动; B = bootstrp（200，myfun，X， '选项'，选择）; TOC经过时间6.304077秒。
并行计算是接近两倍的速度在串行计算的这个例子。
叠加的ksdensity密度估计值与所述并行自举得到的200个自举估计。你可以得到如何评价从该地块的密度估计的准确度感。
保持在对于i = 1：尺寸（B，1），图（LATT，B（I，:)， 'C：'）端情节（LATT，pdfestimate）;xlabel（ 'X'）; ylabel（ '密度估计值'）
可重复的并行自举
为了以可再现的方式运行该示例并联，适当地设定选项（见运行重现并行计算）。首先设置问题，并行环境中自举在串行和并行。然后设置选项来使用子与流支持子一起。万博1manbetx
S = RandStream（ 'mlfg6331_64'）;％具有子OPTS = statset（ 'UseParallel'，真，... '流'，S 'UseSubstreams'，TRUE）;B2 = bootstrp（200，myfun，X， '选项'，OPTS）;
重新运行引导，并得到相同的结果：
复位（S）％设置流至初始状态B3 = bootstrp（200，myfun，X， '选项'，OPTS）;ISEQUAL（B2，B3）％检查，如果相同的结果ANS = 1
您还可以选择从下面的列表中的网站：
