L'approximation de la fonction de distribution marginale empirique peut s'avérer extrêmement gourmande en ressources sur des bases de données volumineuses. Pour maîtriser cette charge, vous devez exploiter le bloc de paramètres margApproxOpts.
Ce bloc permet d'affiner le comportement du moteur de calcul, par exemple en utilisant une approche adaptative par regroupement des données (l'algorithme BIN) plutôt qu'un tri complet (l'algorithme SORT), ce qui est beaucoup plus efficace en environnement distribué. Vous pouvez également plafonner l'effort de calcul avec maxiters ou ajuster le paramètre refineres pour trouver le compromis idéal entre l'exactitude de l'interpolation (linéaire, en escalier ou cubique monotone) et vos contraintes de temps d'exécution.
