svm.sparse.SVC花了很多时间接受训练

Question

我正在尝试在scikit-learn中训练svm.sparse.SVC。现在，特征向量的维数约为70万，用于训练的特征向量的数量为20k。我使用csr稀疏矩阵提供输入，因为在每个特征向量中只有大约500个维度是非零的。代码自过去5小时开始运行。有没有估计需要多长时间？有没有办法更快地进行培训？内核是线性的。

Answer 1

尝试使用sklearn.svm.LinearSVC。这也有一个线性内核，但底层实现是liblinear，已知它更快。考虑到这一点，您的数据集不是很小，所以即使这个分类器也可能需要一段时间。

---

首次评论后编辑： 在那里，我认为你有几种选择，但都不是完美的：

• 非解决方案选项：称之为一天，并希望svm.sparse.SVC的培训明天上午结束。如果可以的话，买一台更好的电脑。
• 作弊选项：放弃概率。你没有告诉我们你的问题是什么，所以它们可能不是必需的。
• 背靠墙选项：如果您绝对需要概率并且事情必须运行得更快，请使用不同的分类器。选项包括sklearn.naive_bayes.*，sklearn.linear_model.LogisticRegression。这些训练要快得多，但是你付出的代价会降低准确度。