我正在使用 sklearn 来训练一个分类模型，数据形状和训练流程如下：

clf = Pipeline([    ("imputer", Imputer(missing_values='NaN', strategy="mean", axis=0)),    ('feature_selection', VarianceThreshold(threshold=(.97 * (1 - .97)))),    ('scaler', StandardScaler()),    ('classification', svm.SVC(kernel='linear', C=1))])print X.shape, y.shape(59381, 895) (59381,)

我已经检查过，feature_selection 会将特征向量的大小从 895 减少到 124

feature_selection = Pipeline([    ("imputer", Imputer(missing_values='NaN', strategy="mean", axis=0)),    ('feature_selection', VarianceThreshold(threshold=(.97 * (1 - .97))))    ])feature_selection.fit_transform(X).shape(59381, 124) (59381,)

然后我尝试获取准确率如下

scores = cross_validation.cross_val_score(clf, X, y)print("Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))

但是训练过程非常慢，我想知道在这种情况下如何加速这个过程？或者特征向量的大小 124 对 svm 模型来说仍然太大了吗？

回答：

尝试使用 sklearn.svm.LinearSVC。

它应该能提供与 svm.SVC(kernel='linear') 非常相似的结果，但训练过程会更快（至少在 d<m 时，当 d-特征维度，m-训练样本大小）。

如果你想使用其他内核，比如 rbf，你就不能使用 LinearSVC。

然而，你可以增加内核缓存大小：内核缓存的大小对大型问题的运行时间有很大影响。如果你有足够的可用 RAM，建议将 cache_size 设置为高于默认值 200(MB) 的值，例如 500(MB) 或 1000(MB)。