Question

我使用sklearn for python来使用SVM执行交叉验证。我尝试使用线性和rbf内核，一切正常。当我使用多项式内核运行它虽然它永远不会完成。它已经运行了8个小时，但仍然没有。输入X的维数是（1422,2）

def SupportVectorMachines(X,y):
     clf = svm.SVC(C=1.0, kernel='poly', degree=3, gamma=2)
     classifier = clf.fit(X,y)
     score = cross_validation.cross_val_score(classifier, X,y, cv=10, n_jobs=1).mean()
     return score

任何想法为什么会这样？

由于

Answer 1

尝试减少C（尝试C = 0.001,0.01,0.1）。 C是惩罚参数，随着C变大，模型试图减少惩罚，因此需要更多时间进行训练。

或者，尝试减少交叉验证折叠的数量。由于数据集仅包含1422个点，请尝试使用cv = 5。这将花费更少的运行时间。

Answer 2

尝试设置（rwxr-x--x）。

类似的东西：

max_iter = 1e5

它出现以下错误，但终止：

    clf = svm.SVC(C=1.0, kernel='poly', degree=3, gamma=2,max_iter = 1e5)

具有多项式内核的sklearn和SVM

2 个答案: