SVM的数据太多了？

Question

所以我在sklearn上运行一个SVM分类器（带有线性内核和概率为false），数据帧上有大约120个特征和10,000个观测值。该程序需要数小时才能运行，并且由于超出计算限制而不断崩溃。只是想知道这个数据帧是否太大了？

Answer 1

简而言之不，这根本不算太大。线性svm可以进一步扩展。另一方面，libSVC库不能。好的，即使在scikit中 - 你也会有大规模的svm实现 - LinearSVC，它基于liblinear。您也可以使用SGD（也可以在scikitlearn中获得）来解决它，它也会聚合更大的数据集。

Answer 2

您可以尝试更改算法的参数。

Tips on practical use from the documentation.

你可以尝试不同的算法，这里有一个你可能会觉得有用的备忘单：

Answer 3

  

该实现基于libsvm。拟合时间复杂度更高   与样本数量的二次方式相比，这使得难以扩展   数据集超过10000个样本。

关于sklearn svm的官方数据告诉theshold是10,000个样本 所以SGD可能是一个更好的尝试。