如何优化SciKit一流的训练时间？

Question

基本上我的问题与SciKit One-class SVM classifier training time increases exponentially with size of training data相同，但没人知道问题。

似乎在成千上万的某个地方运行良好，但是成千上万的人需要很长时间。而且我希望以数百万的价格运行它，但我不想等待一天半（甚至更多）。是否有更快的方法，或者我应该使用别的东西？

Answer 1

我非常在这个领域的初级，所以带上一粒盐。

隔离森林似乎是异常检测的有效解决方案。它们已被证明与其他流行算法相比表现良好[Liu，2008]。此外，根据scikit学习，单类SVM在某种程度上容易出现异常。第1类中的异常可能与第2类重叠并导致数据被错误标记...可能采用样本的子集并使用它们来创建SVM集合可以避免这种情况（并且仍然可以节省您的时间，具体取决于子集），但隔离森林自然会这样做。

为了进一步阅读，这似乎是关于该主题的一篇很好的参考文献 http://www.robots.ox.ac.uk/~davidc/pubs/NDreview2014.pdf

它提到了可能适用于您的情况的聚类和距离方法。我认为最好做很多阅读并确保你理解算法的不同优点/缺点。特别是因为我正在做这件事，即使我知道你问题的具体细节，也无法提供可靠的建议。

注意：基于距离的算法。我知道有些是优化的，但我认为一般的抱怨是它们具有很高的计算复杂度。许多基于聚类/距离/概率的算法也具有处理高维数据的弱点。