我对SVM比较陌生，我正在尝试使用＆fffsvm＆＃39;来训练一类SVM模型。在matlab中的功能。 ＆＃39; RBF＆＃39; （〜高斯核）使用核函数。
我的数据大小约为150k。不幸的是，模型训练时间很慢（大约3分钟）。我在matlab中使用以下行来训练SVM模型
SVMModel = fitcsvm（X，y，＆＃39; KernelScale＆＃39;，＆＃39; auto＆＃39;，＃39; Standardize＆＃39; true，＆＃39; KernelFunction＆＃39; ;，＆＃39; RBF＆＃39;＆＃39;女＆＃39;，1）;
X是n * m 矩阵，其中数据点的数量（~150k）和m是特征数（= 2个特征）
Y 是数据标签，我训练一类模型 y = 1（n，1）;
有关加快模型培训步骤的建议/建议吗？
由于
答案 0 :(得分：1)
SVM受可扩展性和内存问题的影响。我们无能为力，这就是算法的工作方式。有一些尝试是并行进行计算，但这些都是稀缺的，并且多次基于（准确的？）近似。如果您必须坚持使用此特定模型，remainder operator %中的工作将为此提供代码。
另一个建议是尝试线性内核（对于你的数据集更轻，也可能足够准确）1，由创建LIBSVM的同一个团队开发（在之前的评论中由sasha提到），这是可能是MATLAB最完整和优化的SVM。
祝你好运！