我编写了以下代码并在小数据上对其进行了测试:
classif = OneVsRestClassifier(svm.SVC(kernel='rbf'))
classif.fit(X, y)
其中 X, y(X - 30000x784 矩阵，y - 30000x1)是 numpy 数组。在小数据算法上效果很好，给我正确的结果。
但我在大约 10 小时前运行了我的程序......它仍在进行中。
我想知道需要多长时间，或者它以某种方式卡住了？ (笔记本电脑规范 4 GB 内存，Core i5-480M)
最佳答案
SVM 训练可以任意长，这取决于几十个参数:
C参数 - 错误分类惩罚越大，过程越慢- 内核 - 内核越复杂，进程越慢(rbf 是预定义内核中最复杂的)
- 数据大小/维度 - 同样的规则
一般来说，基本 SMO 算法是 O(n^3)，因此在 30 000 数据点的情况下，它必须运行与 成比例的操作数>2 700 000 000 000这是一个非常大的数字。你有什么选择？
- 改一个内核为线性内核，784个特征挺多的，rbf可以冗余
- 降低特征的维度(PCA？)
- 降低
C参数 - 在您的数据子集上训练模型以找到好的参数，然后在某个集群/ super 计算机上训练整个模型
关于python - 训练SVM分类器需要多少时间？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18165213/