我正在使用带有线性内核的sklearn.svm.SVC做一些实验。 我正在像这样生成数据
X[:50,:2] = (np.random.randn(50, 2)+[2,2])*scale
X[50:,:2] = (np.random.randn(50, 2))*scale
y = np.array([0]*50 + [1]*50)
我注意到，如果我将数据点缩放1000倍，那么训练将花费更长的时间（实际上我从未见过它能完成训练）。为什么缩放会影响训练时间？
实际上，当我仅将其缩放10倍时，它确实会在一段时间后完成训练，但准确性极低（它预测所有东西都是一样的）。这似乎似乎SVM没有使用偏差或其他方法。但是我很确定它确实可以...