网格搜索中的交叉验证非常慢（libsvm）答案

【问题标题】：Cross validation is very slow in Grid search (libsvm)网格搜索中的交叉验证非常慢（libsvm）
【发布时间】：2014-01-10 05:25:02
【问题描述】：

我在 62 个类上使用 libsvm，每个类有 2000 个样本。问题是我想使用网格搜索优化我的参数。我将范围设置为C=[0.0313,0.125,0.5,2,8] 和gamma=[0.0313,0.125,0.5,2,8] 5 倍。交叉验证不会在每个参数的前两个参数处完成。有没有更快的优化方法？例如，我可以将折叠次数减少到 3 次吗？编写的迭代次数一直在(1629,1630,1627) 范围内播放我不知道这是否相关

优化完成，

#iter = 1629 nu = 0.997175 obj = -81.734944, rho = -0.113838 nSV = 3250, nBSV = 3247

【问题讨论】：

标签： opencv machine-learning computer-vision svm libsvm

【解决方案1】：

找到一个好的模型只是一项昂贵的任务。让我们做一些计算：

62 classes x 5 folds x 4 values of C x 4 values of Gamma = 4960 SVMs

您始终可以减少折叠次数，这会降低搜索质量，但会减少大约 40% 的训练 SVM 的总量。

最昂贵的部分是，SVM 不太适合多标签分类。至少需要训练O(log n)模型（纠错码场景），O(n)（libsvm one-vs-all）甚至O(n^2)（one-vs-one场景），达到最佳效果)。

也许切换到一些快速的多标签模型会更有价值？比如一些 ELM（极限学习机）？

【讨论】：