性能 SVMlight 多标签分类(特征:1000)

我目前正在进行多标签分类工作。我使用SVMlight作为分类器,并将多标签问题进行了二值化处理。这意味着在我的案例中需要进行超过1000次的分类运行。

我的特征大小固定为1000,模型的训练现在需要超过3天的时间(使用2 GHz的Intel Core 2 Duo处理器和8 GB内存)。有没有人有经验知道这种情况是否常见,或者能否提供一些建议来提升性能?你认为更换到高性能机器会带来显著效果吗?

提前感谢!


回答:

特征归一化解决了我的问题,在特征空间中进行min/max([-1,1])归一化后,性能大幅提升。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注