在Matlab

Question

我使用Matlab函数fitcsvm来训练带有RBF内核的SVM。我正在使用以下电话：

SVMModel = fitcsvm(X_train,labels,'KernelFunction','rbf','KernelScale',0.2087,'BoxConstraint',2.8779);
[~,scores] = predict(SVMModel,X_test);

X_train是带有训练数据的NxD矩阵，标签是Nx1向量，带有训练数据的标签，X_test是带有测试数据点的MxD矩阵。

现在我想使用自定义内核。首先，我决定尝试RBF内核。实施如下：

SVMModel = fitcsvm(X_train,labels,'KernelFunction','rbfKernel','BoxConstraint', 2.8779);
[~,scores] = predict(SVMModel,X_test);

function K = rbfKernel(U,V)
    sigma = 0.2087;
    gamma = 1 ./ (2*(sigma ^2));
    K = exp(-gamma .* pdist2(U,V,'euclidean').^2);
end

我将函数rbfKernel存储在rbfKernel.m文件中。

内置内核和自定义内核的结果非常相似，fitcsvm方法非常快速地运行。

问题是使用自定义内核时预测方法非常慢。它需要大约1分钟，而内置内核需要5秒钟。

这是为什么？我做错了吗？

Answer 1

可能是由于代码优化。 MATLAB工程师花了很多时间来优化他们的代码，所以我敢打赌，尽管你的代码与内置函数的代码相同，但它并不像MATLAB代码那样快。