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

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

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

这是一个创建于 3191 天前的主题，其中的信息可能已经有所发展或是发生改变。

10 条回复 • 2016-03-09 14:02:35 +08:00

kidexp

2016-03-09 07:50:41 +08:00

用 mkl 或者 openblas ？

chlx

2016-03-09 08:49:44 +08:00

选简单的 kernel 函数；用 libsvm 的实现

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

xiamx

2016-03-09 09:44:38 +08:00

有没有办法利用并行计算呢？

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

popil1987

2016-03-09 10:36:12 +08:00

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

2016-03-09 13:29:15 +08:00

用 linlinear

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

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。

deanguqiang

2016-03-09 14:02:35 +08:00

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