python - SciKit Learn SVR 运行时间很长

Question

我面临以下问题，我正在从 scikit-learn 库中运行一个 SVR，训练集有大约 46500 个观察值，它运行了六个多小时，直到现在。

我正在使用线性内核。

def build_linear(self):
    model = SVR(kernel='linear', C=1)
    return model

我已经尝试在 1e-3 和 1000 之间更改“C”值，但没有任何变化。

poly kernel 运行大约 5 分钟，但我需要评估值，可以跳过这部分...

有人知道如何加快速度吗？

非常感谢!

Answer 1

众所周知，SVM 无法随样本数量扩展!

使用 LinearSVR 代替具有线性内核的 SVR或者对于大数据:SGDClassifier

LinearSVR 在它可以计算的内容方面受到更多限制(没有非线性内核)，而且更受限制的算法通常有更多假设并使用这些假设来加速(或节省内存)。

SVR 基于 libsvm ，而 LinearSVR 基于 liblinear .两者都是经过充分测试的高质量实现。

(添加可能很有值(value):在一般情况下不要浪费时间，例如等待 6 小时。对数据进行子采样并尝试更小、更小……示例，并从中推断出运行时间或问题。编辑: 看来你已经做到了，很好!)。