1
kidexp 2016-03-09 07:50:41 +08:00
用 mkl 或者 openblas ?
|
2
chlx 2016-03-09 08:49:44 +08:00
选简单的 kernel 函数;用 libsvm 的实现
|
3
facat 2016-03-09 09:10:50 +08:00 via Android
没什么好办法,已经是 c 语音实现了
|
4
xiamx OP 有没有办法利用并行计算呢?
|
5
nevin47 2016-03-09 10:07:42 +08:00
sklearn 我记得是没法并行的,除非去改 SVM 分类器那部分的代码
但是有改代码的功夫,换 libsvm 早好了 |
6
popil1987 2016-03-09 10:36:12 +08:00 1
机器学习最难的就在并行上
单机凡是用到 numpy 的安装 openblas 可以做到利用上所有的核心。如果一台机器性能被透支了,就别惦记了,还是使用 spark 等内置的机器学习库吧。 |
7
caomaocao 2016-03-09 13:29:15 +08:00
用 linlinear
|
8
glennq 2016-03-09 13:56:04 +08:00 via iPhone
不要多想, sklearn 上的 svm 就是 wrap 了 libsvm 和 liblinear ,很难更快了。说到底 SVM 本来就慢
SVC -> libsvm LinearSVC -> liblinear |
9
deanguqiang 2016-03-09 13:59:00 +08:00 via iPhone
用随机梯度下降实现的 SVM ,对有些问题快很多。
|
10
deanguqiang 2016-03-09 14:02:35 +08:00
sklearn.linear_model.SGDClassifier(loss='hinge')
|