如何获取Orange平台中分类算法的执行时长？

当然有可行的方法！在Orange中获取分类算法的执行时间，主要推荐两种实用方案，适配不同的使用场景：

方案一：使用Python脚本组件（精准可控） #

这是最灵活且精准的方式，适合需要自定义计时逻辑的场景：

• 在Orange可视化画布中，先搭建好基础流程：添加数据集（如Iris）、目标分类器（如Random Forest/Logistic Regression）
• 拖入Python Script组件，将数据集和分类器分别连接到该组件的输入端口
• 双击打开脚本编辑器，替换为以下代码（可根据需求调整）：

import time

# 接收输入的数据集和分类器
data = in_data
classifier = in_classifier

# 开始计时（用perf_counter比time.time精度更高）
start = time.perf_counter()
# 执行分类器训练核心步骤
trained_model = classifier(data)
# 结束计时
end = time.perf_counter()

# 计算并打印执行时间（保留4位小数）
run_time = end - start
print(f"【{classifier.name}】执行时间：{run_time:.4f} 秒")

# 输出训练好的模型，不中断原有工作流
out_model = trained_model

• 运行工作流后，打开Orange的控制台（菜单栏View > Console）就能看到精确的执行时间，同时训练好的模型还能继续传递给后续组件（如测试评估）

方案二：利用Orange的内置日志（快速粗略查看） #

如果只是需要一个大致的时间参考，可以直接查看Orange的运行日志：

• 运行工作流时，留意控制台的输出信息，部分分类器在训练完成后会输出耗时（不过这种方式的时间精度较低，且不是所有分类器都支持）

小提示：如果需要对比多个分类器的执行效率，可以在Python脚本中加入循环逻辑，批量处理多个分类器并输出各自的耗时，方便做性能对比。

内容的提问来源于stack exchange，提问作者Faaeq