LinearSVC（scikitlearn）没有任何进展

Question

我试图训练一个线性SVC模型（与scikit学习）的图像二值分类问题。对于训练，我有大约60k个训练图像，每个图像有1800个像素。是的，我真的想用支持向量机相关的算法来代替深度学习，因为它是为了学习。但问题是，训练已经花了几个小时，但没有任何进展。在训练之前，我将像素值标准化为0-1除以255。但这里可能有什么问题？有什么建议我可以调整或注意？你知道吗

dataX = dataX/255.
dataY = np.ravel(dataY)

X_train, X_test, y_train, y_test = train_test_split(dataX, dataY, test_size=0.1, random_state=24, shuffle=True)

linear_classifier = svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=1000)
linear_classifier.fit(X_train, y_train)

Answer 1

如果你的过程是缓慢的，一个问题可能是，最小化不是在正确的轨道上一段时间。这里也提到了：ConvergenceWarning: Liblinear failed to converge, increase the number of iterations

对于您的应用程序，第一步可能是更改迭代次数：

 svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=10000)

在文档中还可以找到其他可以调整的参数：https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html