我遇到如下问题：我在一个包含大约46500个观测值的训练集上运行scikit-learn库的SVR，运行时间已经超过六个小时，直到现在。

我使用的是线性核函数。

def build_linear(self):    model = SVR(kernel='linear', C=1)    return model

我已经尝试将”C”值在1e-3到1000之间调整，但没有任何变化。

多项式核函数大约在5分钟内就能运行完，但我需要这些值进行评估，不能跳过这一部分…

有没有人有加速的建议？

非常感谢！

回答：

SVM的扩展性随着样本数量的增加而变差是众所周知的！

与其使用带有线性核函数的SVR，不如使用LinearSVR，或者对于大数据集使用SGDClassifier

LinearSVR在计算能力上受到更多限制（不支持非线性核函数），而这些更受限制的算法通常有更多假设，并利用这些假设来加速计算（或节省内存）。

SVR基于libsvm，而LinearSVR基于liblinear。两者都是经过充分测试的高质量实现。

（值得一提的是：在这种一般情况下，不要浪费时间等待6个小时。可以对数据进行子抽样，尝试从小到大的样本，推断运行时间或问题。编辑：看起来你已经这样做了，很好！）。