我有数以千计的样本用于培训和测试，我想使用带有RBF内核的SVM对它们进行分类 . 问题在于，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并不是我想要的，因为具有线性内核的Svms通常具有比RBF内核精度更低的精度 .
我正在寻找Lasvm而我找不到有用的信息 . The project site关于它的信息很差 . 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，如果我应该扩展测试和处理数据，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 .
1 回答
LaSVM也有一个RBF内核实现 . 根据我在大数据方面的经验（大于1.000维> 100,000个实例），它并不比LIBSVM快 . 如果您真的想要将非线性内核用于大量数据，可以尝试使用EnsembleSVM .
如果您的数据非常庞大并且您不熟悉集成学习，那么LIBLINEAR就是您的最佳选择 . 如果您有大量的输入维度，线性内核通常不会比RBF差很多，而且速度要快几个数量级 .