Ich muss Regressionsanalyse mit SVM-Kernel auf den großen Datensätzen durchführen. Mein Laptop ist nicht in der Lage zu handhaben und es dauert Stunden bis zum Ende. Gibt es eine gute Möglichkeit, die Datenmenge zu reduzieren, ohne die (große) Qualität des Modells zu beeinträchtigen? Wird geschichtete Probenahme funktionieren?Geschichtete Stichproben für die Regression
-1
A
Antwort
1
Es gibt Dutzende Möglichkeiten der SVM Komplexität zu reduzieren, wahrscheinlich am leichtesten annähert Kernel Raumprojektion einzubeziehen. Insbesondere Bibliotheken wie scikit-learn provides functions to do this Art der expliziten Projektion, die von einer linearen SVM gefolgt wird - können relativ schnell trainiert werden.
Verwandte Themen
- 1. Geschichtete Stichproben in WEKA
- 2. sklearn geschichtete Stichproben basierend auf einer Spalte
- 3. Wie macht man proportionale geschichtete Stichproben ohne Ersatz?
- 4. Geschichtete Sampling in Pandas
- 5. Bootstrap-Konfidenzintervall für Stichproben
- 6. java api für geschichtete Graphen
- 7. Muster für nicht geschichtete Anwendung
- 8. Geschichtete Stichprobenentnahme in Antwortkategorien in h2o-Flussdatenaufteilungen
- 9. R - geschichtete Stichprobe für Person Periodendatei
- 10. CSS - Vererben geschichtete Hintergrundbilder
- 11. Geschichtete Proben von Pandas
- 12. Geschichtete Stichprobe in Spark
- 13. Vorhersage- und Konfidenzintervalle für die logistische Regression
- 14. GLMNet Konvergenz Problem für die bestrafte Regression
- 15. Konfidenzintervall für die Xgboost-Regression in R
- 16. Dimensionsberechnung für die Regression mit Lasagne
- 17. Wichtigkeit Stichproben in R
- 18. SQL Statistische Stichproben
- 19. Join data.table durch Stichproben
- 20. .NET SVM für Regression
- 21. sjPlot für robuste Regression?
- 22. Geschichtete Graphen in d3.js
- 23. Anzeige geschichtete Hierarchie von Gruppen
- 24. nehmen Stichproben basierend auf Gruppen
- 25. Wie scikit lernen, herauszufinden, logistische Regression für Klassifizierung oder Regression
- 26. Lineare Regression für Körperfettgleichungen (MATLAB)
- 27. LSTM für Regression (in Tensorflow)
- 28. panelAR für Panel OLS-Regression
- 29. Stichproben aus einer bestimmten Verteilung
- 30. Pandas erstellen Stichproben ohne Duplikate