Beschleunigen SVM (Model trainig)

Question

Ich bin relativ neu in SVM, ich versuche, Ein-Klasse-SVM-Modell mit 'Fitcsvm' Funktion in Matlab zu trainieren. 'rbf' (~ gaussian kernel) Kernel-Funktion wird verwendet.

Meine Datengröße beträgt etwa 150k. leider ist die Modell Trainingszeit langsam (ca. 3 min). Ich benutze die folgende Zeile in Matlab zum Trainieren eines SVM-Modells

SVMModel = fitcsvm (X, y, 'KernelScale', 'auto', 'Standardisieren', wahr, 'KernelFunction', 'rbf', 'Nu' , 1);

X n * m Matrix, wobei in der Anzahl der Datenpunkte (~ 150K) und m die Eigenschaften Zahl ist (= 2-Funktionen)

Y ist die Daten lable, wobei i trainiere ein Ein-Klassen-Modell y = one (n, 1);

Irgendwelche Tipps/Vorschläge zur Beschleunigung des Modells Trainingsschritt?

Dank

Answer 1

SVM leiden an Skalierbarkeit und Speicherprobleme. Wir können nichts dagegen tun, so funktioniert der Algorithmus. Es gibt einige Versuche, seine Berechnungen parallel durchzuführen, aber diese sind selten und beruhen oft auf (genauen?) Annäherungen. Wenn Sie sich an dieses bestimmte Modell halten müssen, bietet die Arbeit in 1 Code dafür. Ein anderer Vorschlag wäre der Versuch, den linearen Kernel (der viel leichter und wahrscheinlich genau genug für Ihren Datensatz ist) liblinear zu testen, der von dem gleichen Team entwickelt wurde, das LIBSVM erstellt hat (von sasha in früheren Kommentaren erwähnt), was wahrscheinlich am meisten ist komplette und optimierte SVM für MATLAB.

Viel Glück!