使用多项式核的sklearn和SVM

Question

我正在使用Python的sklearn库来进行支持向量机（SVM）的交叉验证。我尝试了线性核和RBF核，效果都很好。但是，当我用多项式核时，它一直没有结束。现在已经运行了8个小时，还是没有结果。输入数据X的维度是(1422, 2)，也就是说有1422个样本，每个样本有2个特征。

def SupportVectorMachines(X,y):
     clf = svm.SVC(C=1.0, kernel='poly', degree=3, gamma=2)
     classifier = clf.fit(X,y)
     score = cross_validation.cross_val_score(classifier, X,y, cv=10, n_jobs=1).mean()
     return score

有没有人知道这是为什么呢？

谢谢！

Answer 1

试着把这个设置成 (max_iter = 1e5).

可以这样写：

    clf = svm.SVC(C=1.0, kernel='poly', degree=3, gamma=2,max_iter = 1e5)

它会出现以下错误，但会结束运行：

    /usr/local/lib/python3.6/dist-packages/sklearn/svm/_base.py:231: ConvergenceWarning: Solver terminated early (max_iter=100000).  Consider pre-processing your data with StandardScaler or MinMaxScaler.  % self.max_iter, ConvergenceWarning)

Answer 2

试着把C的值调小一点（可以试试C=0.001、0.01、0.1）。C是一个惩罚参数，C的值越大，模型就越想减少惩罚，这样训练起来就会花更多的时间。

或者，可以试着减少交叉验证的折数。因为你的数据集只有1422个点，可以试试用cv=5。这样运行的时间会更短。