使用 libsvm 进行分类训练答案

【问题标题】：training for classification using libsvm使用 libsvm 进行分类训练
【发布时间】：2011-01-25 19:17:20
【问题描述】：

我想使用 libsvm 进行分类。我有 9 个训练集，每组有 144000 个标记实例，每个实例具有可变数量的特征。训练一组大约需要 12 个小时（带有概率估计的 ./svm-train ）。由于我没有太多时间，我想一次跑多组。我不确定我是否可以做到这一点。我可以在不同的终端同时运行所有 9 个进程吗？

./svm-train -b 1 feat1.txt
./svm-train -b 1 feat2.txt
      .
      .
      .
./svm-train -b 1 feat9.txt

(我使用的是fedora core 5)

【问题讨论】：

标签： machine-learning libsvm

【解决方案1】：

您可以告诉 libsvm 使用 openmp 进行并行化。查看这个 libsvm 常见问题解答条目：http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html#f432

【讨论】：

【解决方案2】：

正如亚当所说，这取决于您的系统有多少内核和处理器可用。如果这还不够，何不启动几个 EC2 实例来运行？

Infochimps MacchetEC2 公共 AMI 随附您需要的大部分工具：http://blog.infochimps.org/2009/02/06/start-hacking-machetec2-released/

【讨论】：

【解决方案3】：

是的。但除非您拥有多核或多处理器系统，否则它可能不会为您节省那么多时间。

【讨论】：