SVM培训可以任意长，这取决于数十个参数：
-
C参数-错误分类罚则越大，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，同样的规则
通常，基本的SMO算法为O(n^3) ，因此在30 000个数据点的情况下，它必须按与2 700 000 000 000成正比的运算数量进行运算，这确实是一个巨大的数字。您有什么选择？
- 将内核更改为线性内核，784个功能很多，rbf可以冗余
- 降低特征的尺寸（PCA？）
- 降低
C参数 - 在数据的子集上训练模型以找到合适的参数，然后在某个集群/超级计算机上训练整个模型
收藏
陈甘雨• 735
评论
关于我们
常见问题
内容许可
联系我们
0
我编写了以下代码，并在小数据上对其进行了测试：
其中
X, y（X-30000x784矩阵，y-30000x1）是numpy数组。关于小数据的算法效果很好，并给出了正确的结果。但是我大约在10个小时前运行了我的程序……而且程序仍在进行中。
我想知道需要多长时间，或者卡在某种程度上？ （笔记本电脑规格4 GB内存，Core i5-480M）