Matlab 加速SVM（模型训练）

我对支持向量机比较陌生，我正在尝试使用matlab中的“fitcsvm”函数来训练一类支持向量机模型采用rbf′（~高斯核）核函数

我的数据大小约为150k。不幸的是，模型训练时间很慢（大约3分钟）。我使用matlab中的以下行来训练SVM模型

SVMModel=fitcsvm（X，y，'KernelScale'，'auto'，'standarding'，true，'KernelFunction'，'rbf'，'Nu'，1）

X是n*m矩阵，其中数据点数（~150k），m是特征数（=2个特征）

Y是数据标签，其中我训练一个单类模型Y=one（n，1）

有任何加快模型培训步骤的建议吗？

---

谢谢

SVM存在可伸缩性和内存问题。我们对此无能为力，这就是算法的工作方式。有一些尝试使其并行计算，但这些是稀缺的，很多时候是基于（精确？）近似。如果您必须坚持此特定模型，中的工作将为此提供代码

另一个建议是尝试线性内核（对于您的数据集来说，它更轻，可能足够精确），该内核由创建LIBSVM的同一团队开发（sasha在之前的评论中提到），它可能是MATLAB中最完整和优化的SVM

---

祝你好运

这是非常广泛的！请记住，kernelSVM的复杂度介于O（n^2）和O（n^3）之间（n=n_个样本，取决于缓存）。我不确定这个实现是否在内部使用了libsvm（他们提到了其中一篇libsvm论文；但不是我期望的那篇），所以也许你会通过某种方式使用libsvm获得一些东西。根据我个人的经验，的matlab集成比内置的fitcsvm快得多。感谢Sascha和Vahe libsvm，它工作得很好；