我有一个大数据集，我正在尝试为它构建一个 DAgger 分类器。如您所知，在训练时，我需要在训练实例上运行初始学习分类器（预测它们），一次一个实例。
即使是最初的学习，Libsvm 也太慢了。
我正在使用 OLL，但这需要将每个实例写入一个文件，然后在其上运行测试代码并获得预测，这涉及许多磁盘 I/O。
我考虑过使用 vowpal_wabbit（但我不确定它是否有助于磁盘 I/O），但我没有权限将它安装在我正在使用的集群上。
Liblinear 太慢了，相信又需要磁盘 I/OI。我可以使用哪些其他替代方案？
我建议尝试 Vowpal Wabbit (VW)。如果集群上安装了 Boost（和 gcc 或 clang），您可以简单地自己编译 VW（参见教程）。如果没有安装 Boost，你也可以自己编译。
VW 包含比OLL更多的现代算法。此外，它包含几个结构化预测算法（SEARN、DAgger）以及一个 C++ 和Python 接口。请参阅iPython 笔记本教程。
至于磁盘 I/O：对于一次性学习，您可以将输入数据直接通过管道传输到 vw( cat data | vw) 或 run vw --daemon。对于多遍学习，您必须使用缓存文件（二进制快速加载格式的输入数据），这需要一些时间来创建（在第一遍期间，除非它已经存在），但随后的遍数要快得多因为二进制格式。