sklearn SVC + 稀疏数据加速

Question

大家好！

我遇到了一个大麻烦，因为支持向量机（SVC）运行得太慢了。而且我无法对数据进行标准化，因为数据很稀疏，矩阵的大小对于密集表示来说太大了。我通过以下方式对数据进行了缩放：

sklearn.preprocessing.scale

但这还不够。有什么办法可以加快SVC的计算速度吗？

Answer 1

1) 买一台内存超大的电脑，这样你就可以把整个矩阵都放在内存里。内存的大小对LibSVM的性能影响最大，而LibSVM正是scikit-learn使用的算法。

2) 换一个算法。scikit-learn已经在使用LibSVM，这可能是目前最快的基于SMO的支持向量机实现。