我将libsvm-3.21
用于epsilon-svr
。我有很多非零(稀疏格式)的训练数据。当我使用svm-scale
将功能扩展到范围[0,1]时,我收到此警告
WARNING: original #nonzeros 503981
> new #nonzeros 6450944
If feature values are non-negative and sparse, use -l 0 rather than the default -l -1
我是否应该忽略此警告,这是否会影响我的预测?
答案 0 :(得分:1)
可以更有效地处理稀疏输入。因此,如果您可以以保留零训练的方式扩展数据,那么您的模型可能会快得多。
由于您有更多时间优化参数,因此花费较少时间进行训练的模型可能会最终为您提供更好的结果。