提升 sklearn 上 SVM classifier 的运行速度有什么好途径？

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

This topic created in 3861 days ago, the information mentioned may be changed or developed.

10 replies • 2016-03-09 14:02:35 +08:00

kidexp

Mar 9, 2016

用 mkl 或者 openblas ？

chlx

Mar 9, 2016

选简单的 kernel 函数；用 libsvm 的实现

facat

Mar 9, 2016 via Android

没什么好办法，已经是 c 语音实现了

xiamx

Mar 9, 2016

有没有办法利用并行计算呢？

nevin47

Mar 9, 2016

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

popil1987

Mar 9, 2016

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。

caomaocao

Mar 9, 2016

用 linlinear

glennq

Mar 9, 2016 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

deanguqiang

Mar 9, 2016 via iPhone

用随机梯度下降实现的 SVM ，对有些问题快很多。

deanguqiang

Mar 9, 2016

sklearn.linear_model.SGDClassifier(loss='hinge')