【发布时间】：2018-01-05 06:29:58
【问题描述】：
我有一个大约 111 Mb 的大型特征数据集，用于分类，有 217000 个数据点，每个点有 1760000 个特征点。在 MATLAB 中使用 SVM 进行训练时，需要花费大量时间。
如何在 MATLAB 中处理这些数据。
【问题讨论】：
标签： matlab classification svm
【发布时间】：2018-01-05 06:29:58
【问题描述】：
这取决于您要构建的 SVM 类型。
根据经验，对于如此大的特征集，您需要查看线性分类器，例如没有线性核的 SVM，或具有各种正则化的逻辑回归等。
如果您使用高斯核训练 SVM，则训练算法具有 O(max(n,d) min (n,d)^2) 复杂度，其中 n 是示例数，d 特征的数量。在你的情况下，它最终是 O(dn^2) ，这是相当大的。
【讨论】：
-
使用线性内核也不能解决速度问题。然而，它至少给出了结果，但速度仍然不能接受。
-
嗯，它给了你一些结果，所以它比其他方法好一点。拥有近 200 万个功能，您 (1) 不能指望它那么 快，并且 (2) 不能使用二次函数我们无法真正帮助您处理少量的细节”但是，我提供了。 “很多时间”是什么意思？您使用的 SVM 的配置是什么？