【发布时间】：2018-03-08 20:52:44
【问题描述】：
我正在一个大型数据集上运行一个 nu-SVR 模型，我正在使用 sklearn，但是训练花费了太多时间，我什至不使用网格搜索来寻找最佳参数，我修复了 C 和nu 参数。
clf = NuSVR(kernel="rbf",C=15.0, nu=0.3)
有没有办法加快训练速度？
【问题讨论】：
-
支持向量机的扩展性很差，样本很多，非线性内核在某种程度上禁止替代方案（例如 SGDRegressor，它可以用于线性支持向量机的海量数据）。所以不行。一般来说，您无能为力（尽管 C,nu 的某些值可能训练得更快；取决于您的数据是否好）。删除内核或寻找另一个回归量。
-
还可以先尝试标准化您的数据，这可能有助于 svm 运行得更快。
-
感谢您的回答，是的，我的数据是标准化的@VivekKumar。
-
@sascha SVM 回归器给了我最好的结果，对于我在上面给你的配置（ C=15.0, nu=0.3 ）花了 3 个小时来完成训练，有什么我可以做的吗，我有一个带有 8g RAM 的 i7 英特尔，这不是硬件问题
-
我已经说过：这是一个算法问题（您已经使用事实上的标准库来优化它）。
标签： python scikit-learn