machine-learning - Lasvm 文档和信息

Question

我有数千个用于训练和测试的样本，我想使用带 RBF 内核的 SVM 对它们进行分类。问题是当使用 10k 或更多数据时，Libsvm 的 RBF 内核实现非常慢。性能缓慢的主要焦点是网格搜索。

我读到了 Liblinear 和 Lasvm。但是 liblinear 不是我想要的，因为具有线性内核的 Svm 通常具有比 RBF 内核精度更小的精度。

我正在搜索 Lasvm，但找不到有关它的有用信息。项目现场的信息很差。我想知道 Lasvm 是否可以使用 RBF 内核或者它是否具有特定类型的内核，我是否应该扩展测试和训练数据，以及我是否可以通过交叉验证对我的内核参数进行网格搜索。

Answer 1

LaSVM 也有一个 RBF 内核实现。根据我在大数据（>1.000 维度中>100.000 个实例）上的经验，它并不比 LIBSVM 快。如果你真的想对大数据使用非线性内核，你可以试试EnsembleSVM。

如果您的数据确实很大并且您不熟悉集成学习，那么 LIBLINEAR 就是您的最佳选择。如果你有大量的输入维度，线性内核通常不会比 RBF 差多少，同时速度要快几个数量级。