Python LinearSVC（scikit学习）未取得任何进展

我试图训练一个线性SVC模型（使用scikit学习）来解决图像二值分类问题。对于训练，我有大约60k的训练图像，每个图像有1800像素。是的，我真的想使用SVM相关算法，而不是深度学习，因为这是为了学习。但问题是，培训已经花了几个小时，但没有任何进展。在训练之前，我将像素值标准化为0-1除以255。但这里可能有什么问题？有什么建议我可以调整或注意

dataX = dataX/255.
dataY = np.ravel(dataY)

X_train, X_test, y_train, y_test = train_test_split(dataX, dataY, test_size=0.1, random_state=24, shuffle=True)

linear_classifier = svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=1000)
linear_classifier.fit(X_train, y_train)

---

如果您的过程很慢，一个问题可能是最小化在一段时间内没有在正确的轨道上。这里也提到了这一点：

对于您的应用程序，第一步可能是更改迭代次数：

 svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=10000)

---

在文档中，您还可以找到其他可以调整的参数：

您能提供一个？正如现在所说的，问题完全取决于数据：如果数据，比如说，都是白噪声，那么这正是您所期望的行为。我添加了一些代码，同时培训完成，并警告模型在经过1000次迭代后无法收敛。这是否意味着，我可以简单地增加迭代次数？是否有其他选项/参数需要调整，以便更快地收敛？