所以我在sklearn上运行一个SVM分类器（带有线性内核和概率为false），数据帧上有大约120个特征和10,000个观测值 . 该程序需要数小时才能运行，并且由于超出计算限制而不断崩溃 . 只是想知道这个数据帧是否太大了？
您可以尝试更改算法的参数 .
Tips on practical use from the documentation.
您可以尝试不同的算法，这里有一个您可能会发现有用的备忘单：
总之 no ，这根本不算太大 . 线性svm可以进一步扩展 . 另一方面，libSVC库不能 . 好的，即使在scikit中 - 你也会有大规模的svm实现 - LinearSVC，它基于liblinear . 您也可以使用SGD（也可以在scikitlearn中获得）来解决它，它也会聚合更大的数据集 .
实现基于libsvm . 拟合时间复杂度大于二次方与样本数量，这使得难以缩放到具有多个10000个样本的数据集 .
关于sklearn svm的官方数据告诉theshold是10000个样本，所以SGD可能是一个更好的尝试 .
3 回答
您可以尝试更改算法的参数 .
Tips on practical use from the documentation.
您可以尝试不同的算法，这里有一个您可能会发现有用的备忘单：
总之 no ，这根本不算太大 . 线性svm可以进一步扩展 . 另一方面，libSVC库不能 . 好的，即使在scikit中 - 你也会有大规模的svm实现 - LinearSVC，它基于liblinear . 您也可以使用SGD（也可以在scikitlearn中获得）来解决它，它也会聚合更大的数据集 .
关于sklearn svm的官方数据告诉theshold是10000个样本，所以SGD可能是一个更好的尝试 .