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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注