【问题标题】:SciKit Learn SVR runs very longSciKit Learn SVR 运行时间很长
【发布时间】:2018-05-07 16:43:53
【问题描述】:

我面临以下问题,我正在一个训练集上运行来自 scikit-learn 库的 SVR,该训练集包含大约 46500 个观测值,并且运行时间超过了六个小时,直到现在。

我正在使用线性内核。

def build_linear(self):
    model = SVR(kernel='linear', C=1)
    return model

我已经尝试在 1e-3 和 1000 之间更改“C”值,但没有任何变化。

poly 内核运行大约需要 5 分钟,但我需要这些值进行评估,可以跳过这部分...

有人知道如何加快速度吗?

非常感谢!

【问题讨论】:

    标签: python machine-learning scikit-learn svm


    【解决方案1】:

    众所周知,SVM 会随着样本数量的增加而严重扩展!

    使用 LinearSVR 代替带有线性内核的 SVR,或者对于大数据:SGDClassifier

    LinearSVR 在可以计算的内容方面受到更多限制(没有非线性内核),更受限制的算法通常有更多假设并使用这些假设来加速(或节省内存)。

    SVR 基于libsvm,而LinearSVR 基于liblinear。两者都是经过充分测试的高质量实现。

    (补充一点可能很有价值:不要在等待 6 小时的一般情况下浪费时间。对您的数据进行二次采样并尝试更小、更小……示例并从中推断运行时或问题。编辑: 看来你已经这样做了,很好!)。

    【讨论】:

    • 有效!一个较小的数据集,SVR 运行时间 > 30 分钟,运行时间为 1 分钟。
    • 感谢您的提示!
    • @sascha 我正在使用 SVR(kernel = "poly", C = 1e3, degree = 2) 、 SVR(kernel = "linear", C = 1e3) 和 SVR(kernel = "rbf", C = 1e3, gamma = 0.1) 用于 6 列和 30 行的 csv 文件,我等待超过 15 分钟。为什么需要这么长时间?
    猜你喜欢
    • 2023-04-07
    • 2017-05-09
    • 2013-12-28
    • 2014-04-21
    • 2016-08-27
    • 2016-12-04
    • 2017-04-25
    • 2011-03-16
    • 2015-08-25
    相关资源
    最近更新 更多