为什么我的 SVR 配件需要很长时间才能完成？答案

【问题标题】：Why is my SVR fitting taking forever to finish?为什么我的 SVR 配件需要很长时间才能完成？
【发布时间】：2020-02-28 09:49:26
【问题描述】：

大家好，世界你好。这是我的第一个 StackOverflow 问题，任何帮助都会很棒！

我正在尝试使用本地股票和 sklearn.svm's SVR 为股票预测创建一个简单的支持向量回归 (SVR) 模型。

train 是我的训练数据框，而数据框只有日期和收盘价作为其列

GSCV() 是一个函数，它返回使用GridSearchCV 派生的最佳C 和gamma

        train["Date"]=pd.to_datetime(train["Date"])
        dates = pd.DataFrame.to_numpy(train["Date"]).reshape(-1,1)
        closing_prices = (pd.DataFrame.to_numpy(train[' Close'])).reshape(-1,1)

        c,g = GSCV('rbf',dates, closing_prices)
        svr_rbf = SVR('rbf', C=c, gamma = g, cache_size=20000)

        c,g = GSCV('linear',dates, closing_prices)
        svr_lin = SVR(kernel= 'linear', C= c, gamma = g,cache_size=20000)

        c,g = GSCV('poly',dates, closing_prices)
        svr_poly = SVR(kernel= 'poly', C= c, degree= 2, gamma = g,cache_size=20000)

        svr_rbf.fit(dates, closing_prices)
        svr_lin.fit(dates, closing_prices)
        svr_poly.fit(dates, closing_prices)

我想提一下，我有两种类型的数据集：低方差股票和高方差股票。当喂入低方差股票时，模型会立即终止，尽管始终保持不变的预测。另一方面，高方差股票导致了我的非终止问题。

我的实验需要根据 2、4、6、8、10 年的数据创建模型。最多，我有 2100 多个数据点，但即使只有 400 多个数据点，代码似乎也不会终止。这是不是太多了？

我试过了 1.使用StandardScaler缩放数据 2. 设置cache=20000 希望加速

感谢您的任何意见！

【问题讨论】：

标签： python scikit-learn svm stock

【解决方案1】：

由于这里没有无限循环之类的，代码应该在某个时间点终止或给出错误，所以第一个问题：你运行到最后了吗？

您可以测量您的 RAM，以了解它是否以高计算成本运行。

否则这里有一个可以提供帮助的线程：How to speed up sklearn SVR?

【讨论】：