支持向量libsvm的数量

Question

预测时间取决于支持向量的数量，但我想更快地进行预测。

如何在libsvm中将支持向量的数量设置为const值？

也许我可以找到N个支持向量，然后通过某种近似将其减少到K（K

Answer 1

如其他答案中所述，控制支持向量数量的更简单方法是使用C和内核参数。但是，有一些关于该主题的有趣论文：

构建支持向量机 降低了分类器复杂度PDF

简化支持向量机的一种有效方法PDF

减少支持向量机的研究PDF

不幸的是，我找不到这个的公开来源：

减少支持向量数量的算法（http://link.springer.com/chapter/10.1007%2F1-4020-3432-6_12?LI=true#page-1）

Answer 2

支持向量的数量取决于训练数据和参数 c ，以及选择的内核参数（例如高斯具有 Gamma ）。

据我所知，没有明确的方法来定义支持向量的数量。只是一个线索：也许一些极端的值，如 c = 0 会产生一些极端数量的支持向量 - 但据说它不是你想要的......

可能更好的方法是找到能够为您提供所需支持向量的参数设置，结果仍然合理。

Answer 3

根据您使用的内核，您必须对C和Gamma参数进行详尽的网格搜索（请参阅grid.py）并优化支持向量的数量。无法保证grid.py中的值网格将为您的特定问题产生最佳值，但这是一个很好的起点。请注意，尽量减少SV的数量并不能最大限度地提高准确性。

PS：您需要为此任务编写自定义脚本，因为此功能不是在AFAIK中构建的。