美好的一天!
我遇到了一个大麻烦,因为 SVC 花费了太多时间。我无法标准化数据,因为它是稀疏的,并且矩阵的大小对于密集表示来说太大了。我将数据缩放了
sklearn.preprocessing.scale
但这还不够。如何加快SVC的计算速度?
最佳答案
1) 购买一台内存如此巨大的机器,以至于你可以缓存整个克矩阵。缓存大小对 LibSVM 的性能影响最大,这也是 scikit learn 使用的。
2) 使用不同的算法。 Scikit learn 已经在调用 LibSVM,这可能是最快的基于 SMO 的 SVM 实现。
关于python - sklearn SVC + 稀疏数据加速,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23470718/