python - 可在 Python 中使用的最快 SVM 实现

Question

已结束。此问题不符合 Stack Overflow guidelines .它目前不接受答案。

---

我们不允许提出有关书籍、工具、软件库等方面的建议的问题。您可以编辑问题，以便用事实和引用来回答它。

关闭 2 年前。

Improve this question

我正在用 Python 构建一些预测模型，并且一直在使用 scikits learn 的 SVM 实现。它真的很棒，易于使用，而且速度相对较快。

不幸的是，我开始受到运行时的限制。我在大约 4 - 5000 个具有 650 个特征的完整数据集上运行 rbf SVM。每次运行大约需要一分钟。但是使用 5 折交叉验证 + 网格搜索(使用从粗到细的搜索)，这对我手头的任务来说有点不可行。所以一般来说，人们对可以在 Python 中使用的最快的 SVM 实现有什么建议吗？那，或者有什么方法可以加快我的建模速度？

我听说过 LIBSVM 的 GPU 实现，它似乎可以工作。我不知道任何其他可在 Python 中使用的 GPU SVM 实现，但它肯定会对其他人开放。另外，使用 GPU 会显着增加运行时间吗？

我还听说有一些方法可以通过在 scikits 中使用线性 SVM + 特征图来逼近 rbf SVM。不确定人们对这种方法的看法。同样，任何人都使用这种方法，它是否显着增加了运行时间？

欢迎所有提高程序速度的想法。

Answer 1

我所知道的最具可扩展性的内核 SVM 实现是 LaSVM .它是用 C 语言编写的，因此如果您知道 Cython，它可以在 Python 中包装。 , ctypes或 cffi .或者，您可以从命令行使用它。您可以使用 sklearn.datasets 中的实用程序从 NumPy 加载转换数据。或 CSR 格式转换为 svmlight 格式的文件，LaSVM 可以用作训练/测试集。