Machine learning Lasvm文档和信息
我有数千个样本用于训练和测试，我想使用带有RBF核的SVM对它们进行分类。问题在于，当使用10k或更多数据时，Libsvm对RBF核的实现非常缓慢。缓慢性能的主要焦点是网格搜索 我读到了关于Liblinear和Lasvm的文章。但是liblinear不是我想要的，因为带有线性核的支持向量机通常比RBF核的精度要低Machine learning Lasvm文档和信息,machine-learning,svm,libsvm,Machine Learning,Svm,Libsvm,我有数千个样本用于训练和测试，我想使用带有RBF核的SVM对它们进行分类。问题在于，当使用10k或更多数据时，Libsvm对RBF核的实现非常缓慢。缓慢性能的主要焦点是网格搜索 我读到了关于Liblinear和Lasvm的文章。但是liblinear不是我想要的，因为带有线性核的支持向量机通常比RBF核的精度要低 我在搜索Lasvm，但找不到关于它的有用信息。关于它的信息很差。我想知道Lasvm是否可以使用RBF内核，或者它是否有一种特定类型的内核，是否应该扩展测试和树化数据，是否可以通过交叉验
我在搜索Lasvm，但找不到关于它的有用信息。关于它的信息很差。我想知道Lasvm是否可以使用RBF内核，或者它是否有一种特定类型的内核，是否应该扩展测试和树化数据，是否可以通过交叉验证对内核参数进行网格搜索 LaSVM也有一个RBF内核实现。根据我在大于1000维的大于100.000个大数据实例上的经验，它并不比LIBSVM快。如果你真的想用非线性内核来处理海量数据，你可以试试
如果您的数据非常庞大，并且您不熟悉集成学习，那么LIBLINEAR就是一条出路。如果您有大量的输入维，线性核通常不会比RBF差多少，但速度要快几个数量级 谢谢你的回答。我的数据并不像你说的那么大，我的数据是16K用于训练，40K用于测试。EnsembleSvm比Lasvm快吗？你能帮我用Lasvm选择参数吗？再次感谢。取决于您的使用方式，EnsembleSVM可能比LaSVM快得多。这个问题似乎离题了，因为它涉及的是统计数据而不是编程。2015年新闻：您可能想查看vowpal wabbit相对较新的-ksvm选项。它实现了LASVM，作为vw在线内核SVM的一个简化。一个简短的教程在您可能使用的内核rbf中。不要忘记通过-l2进行正则化