SVM 训练性能答案

【问题标题】：SVM training performanceSVM 训练性能
【发布时间】：2012-11-03 23:01:57
【问题描述】：

我正在使用 SVMLib 在 MNIST 数据集上训练一个简单的 SVM。它包含 60.000 个训练数据。但是，我有几个性能问题：训练似乎没完没了（几个小时后，我不得不手动关闭它，因为它没有响应）。我的代码很简单，我只是在数据集上调用ovrtrain，没有任何内核和任何特殊常量：

function features = readFeatures(fileName)
   [fid, msg] = fopen(fileName, 'r', 'ieee-be');
   header = fread(fid, 4, "int32" , 0, "ieee-be");

   if header(1) ~= 2051
      fprintf("Wrong magic number!");
   end

   M = header(2);
   rows = header(3);
   columns = header(4);

   features = fread(fid, [M, rows*columns], "uint8", 0, "ieee-be");
   fclose(fid);
   return;
endfunction

function labels = readLabels(fileName)
   [fid, msg] = fopen(fileName, 'r', 'ieee-be');
   header = fread(fid, 2, "int32" , 0, "ieee-be");

   if header(1) ~= 2049
      fprintf("Wrong magic number!");
   end

   M = header(2);

   labels = fread(fid, [M, 1], "uint8", 0, "ieee-be");
   fclose(fid);
   return;
endfunction

labels = readLabels("train-labels.idx1-ubyte");
features = readFeatures("train-images.idx3-ubyte");
model = ovrtrain(labels, features, "-t 0");  % doesn't respond...

我的问题：这正常吗？我在虚拟机 Ubuntu 上运行它。我应该等待更长时间吗？

【问题讨论】：

尝试在较小的子集上进行训练？
我尝试在随机的 10 个训练示例上进行训练（只要试试它是否有效）。大约需要 10 秒才能完成。我不想训练例如随机 100 或 1000 个示例，因为我认为最终模型会存在偏差......
当然，但是如果有 1000 个实例，您可能会更好地了解需要多少时间。你的数据的维度是多少？你试过其他参数吗？
如果有 1000 个样本，训练将在……呃……分钟内结束。但是我没有得到很好的准确率，只有 65-70%...
你有多少个变量？使用一些变量选择或降维技术可能会很好。

标签： performance machine-learning artificial-intelligence octave libsvm

【解决方案1】：

考虑到您的数据特征，这可能是一个收敛问题。

检查默认选择的内核并更改它。另外，检查包裹的停止标准。此外，如果您正在寻找更快的实现，请查看 MSVMpack，它是 SVM 的并行实现。

最后，您需要选择特征。您最终可以获得几乎一半的功能子集。此外，您只需要一部分数据进行训练，例如60~70 % 就足够了。

【讨论】：

【解决方案2】：

首先，60k 是用于训练的大量数据。除非您拥有超级计算，否则使用线性内核训练这么多数据将花费大量时间。此外，您还选择了 1 次线性核函数。最好使用高斯或更高次多项式核函数（使用相同数据集的 4 次函数显示出良好的转换精度）。尝试为 -c cost -m memory cachesize -e epsilon 终止标准容差添加 LIBSVM 选项（默认为 0.001）。首先用 4 度的高斯/多项式运行 1000 个样本并比较准确度。

【讨论】：

【解决方案3】：

我不知道你是否接受了你的答案，但让我告诉你我对你的情况的预测。对于像 LibSVM 这样的动力训练器来说，60.000 个示例并不多。目前，我正在研究一个包含 6000 个示例的训练集，训练需要 3 到 5 秒。但是，参数选择很重要，这可能需要很长时间。如果数据集中的唯一特征数量过多，那么对于任何示例，不存在的特征都会有很多零特征值。如果该工具在您的训练集上实施数据缩放，那么很可能这些零特征值将被缩放到某个非零值，从而为每个示例留下天文数字的唯一和非零值特征。这对于 SVM 工具来说是非常非常复杂的，要进入并提取有效的参数值。

长话短说，如果您对 SVM 工具进行了足够的研究并理解我的意思，您可以在执行训练命令之前为其分配参数值，或者找到减少独特特征数量的方法。如果您还没有，请继续下载最新版本的 LibSVM，阅读自述文件以及工具网站上的常见问题解答。

如果不是这些情况，那么抱歉耽误您的时间:) 祝你好运。

【讨论】：