machine-learning - Dlib的svm_c_linear_trainer什么时候比svm_c_linear_dcd_trainer更好？

Question

我有一个机器学习问题，涉及高维标记输入和相对较小的样本量。使用起来很爽visual guide将我带到了 svm_c_linear_trainer 方法。但我从文档中了解到，类似的 svm_c_linear_dcd_trainer 具有“热启动”选项，这听起来比“冷启动”更好，例如，在交叉内部验证循环。然而，svm_c_linear_dcd_trainer 是针对不同类型问题所选择的方法，主要区别在于适用于未标记的数据。

在标记数据上使用 svm_c_linear_dcd_trainer 是否会出现问题，或者还有其他充分理由说明 svm_c_linear_trainer 更好吗？

Answer 1

这个article关于双下降 SVM 以及 documentation DLib 网站上显示，svm_c_linear_dcd_trainer 可以用作标准线性 SVM 的直接替代品。

它应该具有卓越的性能(引用自上述文章):

Experiments show that our method is faster than state of the art implementations.

...因为该算法据说可以更好地利用优化，同时给出与标准 SVM 算法相同的结果。

您可能会对本文的第 6 页和第 7 页特别感兴趣，其中将其与几个不同数据集上的其他算法进行了比较。