我正在尝试在一个数据集上比较多个分类器。为了获得分类器的准确准确性分数，我现在对每个分类器进行10折交叉验证。除了SVM（线性和rbf核）之外，其他分类器的交叉验证都进行得很顺利。数据的加载方式如下：
dataset = pd.read_csv("data/distance_annotated_indels.txt", delimiter="\t", header=None)X = dataset.iloc[:, [5,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26]].valuesy = dataset.iloc[:, 4].valuesfrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)from sklearn.preprocessing import StandardScalersc = StandardScaler()X_train = sc.fit_transform(X_train)X_test = sc.transform(X_test)例如，随机森林的交叉验证运行得很好：
start = time.time()classifier = RandomForestClassifier(n_estimators = 100, criterion = 'entropy')classifier.fit(X_train, y_train)y_pred = classifier.predict(X_test)cv = ShuffleSplit(n_splits=10, test_size=0.2)scores = cross_val_score(classifier, X, y, cv=10)print(classification_report(y_test, y_pred))print("Random Forest accuracy after 10 fold CV: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2) + ", " + str(round(time.time() - start, 3)) + "s")输出：
precision recall f1-score support 0 0.97 0.95 0.96 3427 1 0.95 0.97 0.96 3417avg / total 0.96 0.96 0.96 6844Random Forest accuracy after 10 fold CV: 0.92 (+/- 0.06), 90.842s然而，对于SVM，这个过程需要很长时间（等待了2个小时，仍然没有结果）。scikit-learn的网站并没有让我更明白。我应该对SVM分类器做些什么不同的事情吗？SVM的代码如下：
start = time.time()classifier = SVC(kernel = 'linear')classifier.fit(X_train, y_train)y_pred = classifier.predict(X_test)scores = cross_val_score(classifier, X, y, cv=10)print(classification_report(y_test, y_pred))print("Linear SVM accuracy after 10 fold CV: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2) + ", " + str(round(time.time() - start, 3)) + "s")回答：
如果你的样本很多，问题的计算复杂度就会成为障碍，请参见线性SVM的训练复杂度。
考虑使用cross_val_score的verbose标志来查看更多关于进度的日志。另外，将n_jobs设置为大于1的值（或者如果内存允许，将n_jobs设置为-1以使用所有CPU），你可以通过并行化来加速计算。可以参考http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_score.html来评估这些选项。
如果性能不佳，我会考虑降低cv的值（关于这一点的讨论请参见https://stats.stackexchange.com/questions/27730/choice-of-k-in-k-fold-cross-validation）
