从 scikit-learn 训练 SVC 表明使用 -h 0 可能更快？

【问题标题】：Training SVC from scikit-learn shows that using -h 0 may be faster?从 scikit-learn 训练 SVC 表明使用 -h 0 可能更快？
【发布时间】：2020-01-24 04:58:35
【问题描述】：

我正在一个大型数据集上训练一个 SVC 模型，并且由于我设置了verbose=True，它显示了一个Warning: using -h 0 may be faster。

我有两个问题：

这个警告是什么？我们如何设置警告中提到的 libsvm 的任何选项？
sklearn.svm.SVC参数设置中缓存的大小会影响训练速度吗？我已将其设置为 cache_size=2000 。

感谢您的专家观点

【问题讨论】：

标签： python scikit-learn svm libsvm multiclass-classification

【解决方案1】：

-h参数控制收缩：是否使用收缩启发式，0或1（默认1）

您可以使用 shrinking 参数在 SVC 构造函数中设置它。收缩是加速优化问题的启发式方法。

检查Original Paper 和 Similar Quesiton on shrinking

缓存是一种减少分解方法计算时间的技术，分解方法是训练的一部分。此大小通过cache_size 参数控制。

我强烈建议阅读原始 libsm 论文，尤其是第 5 节。

【讨论】：