LinearSVC（scikit-learn）没有取得任何进展答案

【问题标题】：LinearSVC (scikit-learn) not making any progressLinearSVC（scikit-learn）没有取得任何进展
【发布时间】：2020-03-24 12:56:04
【问题描述】：

我正在尝试为图像二进制分类问题训练线性 SVC 模型（使用 scikit-learn）。对于训练，我有大约 6 万张训练图像，每张都有 1800 像素。是的，我真的很想使用 SVM 相关的算法而不是深度学习，因为它是为了学习目的。但问题是，培训已经花费了几个小时，但并没有显示出任何进展。在训练之前，我通过除以 255 将像素值归一化为 0-1 范围。但是这里可能有什么问题？有什么我可以调整或注意的建议吗？

dataX = dataX/255.
dataY = np.ravel(dataY)

X_train, X_test, y_train, y_test = train_test_split(dataX, dataY, test_size=0.1, random_state=24, shuffle=True)

linear_classifier = svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=1000)
linear_classifier.fit(X_train, y_train)

【问题讨论】：

你能提供一个minimal, reproducible example吗？正如现在所说，问题完全取决于数据：如果数据，比如说，全是白噪声，那么这正是你所期望的行为。
我添加了一些代码，同时训练完成并警告模型在 1000 次迭代后无法收敛。这是否意味着，我可以简单地增加迭代次数？是否有任何其他选项/参数可以调整以便更快收敛？

标签： python machine-learning scikit-learn svm svc

【解决方案1】：

如果您的过程很慢，一个问题可能是最小化器在一段时间内没有走上正确的轨道。这里也提到了这一点：ConvergenceWarning: Liblinear failed to converge, increase the number of iterations

您的第一步可能是更改迭代次数：

 svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=10000)

您还可以在文档中找到可以调整的其他参数：https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html

【讨论】：