Lasvm 文档和信息 [关闭]

Posted 2023-03-12

【中文标题】Lasvm 文档和信息 [关闭]

【英文标题】：Lasvm documentation and information [closed]

【发布时间】：2013-07-23 04:07:47

【问题描述】：

我有数千个用于训练和测试的样本，我想使用带有 RBF 内核的 SVM 对它们进行分类。问题是当使用 10k 或更多数据时，Libsvm 的 RBF 内核实现非常慢。性能缓慢的主要焦点是网格搜索。

我读到了 Liblinear 和 Lasvm。但是 liblinear 不是我想要的，因为带有线性内核的 Svm 通常精度低于 RBF 内核精度。

我正在搜索 Lasvm，但找不到有关它的有用信息。 The project site 对它的信息很差。我想知道 Lasvm 是否可以使用 RBF 内核或者它是否具有特定类型的内核，我是否应该扩展测试和训练数据，以及我是否可以通过交叉验证对我的内核参数进行网格搜索。

【问题讨论】：

这个问题似乎是题外话，因为它是关于统计而不是编程。

2015 年新闻：您可能想查看 vowpal wabbit 的相对较新的 --ksvm 选项。它将 LASVM 实现为 vw（在线内核 SVM）的缩减，一个简短的教程在 github.com/JohnLangford/vowpal_wabbit/wiki/ksvm.pdf 中，您可以使用 --kernel rbf。不要忘记通过--l2

进行正则化

【参考方案1】：

LaSVM 也有一个 RBF 内核实现。根据我在大数据（>1.000 维度中>100.000 个实例）上的经验，它并不比 LIBSVM 快。如果你真的想对海量数据使用非线性内核，你可以试试EnsembleSVM。

如果您的数据确实很大并且您不熟悉集成学习，那么 LIBLINEAR 是您的最佳选择。如果您有大量输入维度，线性内核通常不会比 RBF 差多少，同时速度要快几个数量级。

【讨论】：

感谢您的回答。我的数据没有你引用的那么大（我的数据是 16k 用于训练，40k 用于测试）。 EnsembleSvm 比 Lasvm 快吗？您能帮我如何使用 Lasvm 进行参数选择吗？再次感谢。

根据您的使用方式，EnsembleSVM 可以比 LaSVM 快得多。