我有数千个用于训练和测试的样本，我想使用带有RBF核的SVM来对它们进行分类。问题在于，当使用10,000个或更多数据时，Libsvm的RBF核实现非常慢。性能缓慢的主要原因是网格搜索。

我了解了Liblinear和Lasvm。但Liblinear不是我想要的，因为使用线性核的SVM通常比RBF核的准确率低。

我在寻找Lasvm的相关信息，但找不到有用的信息。项目网站关于它的信息非常少。我想知道Lasvm是否可以使用RBF核，或者它是否有特定的核类型，我是否需要对测试和训练数据进行缩放，以及我是否可以对我的核参数进行带有交叉验证的网格搜索。

回答：

LaSVM也有一个RBF核的实现。根据我在大数据上的经验（超过100,000个实例，超过1,000个维度），它的速度并不比LIBSVM快。如果你真的想对庞大的数据使用非线性核，你可以尝试EnsembleSVM。

如果你的数据量确实非常大，并且你对集成学习不熟悉，那么LIBLINEAR是你的选择。如果你的输入维度数量很高，线性核通常不会比RBF核差很多，同时速度要快得多。