代码之家  ›  专栏  ›  技术社区  ›  Matthijs van Kesteren

为什么scikit learn SVM分类器交叉验证如此缓慢?

  •  4
  • Matthijs van Kesteren  · 技术社区  · 8 年前

    我试图比较我拥有的数据集上的多个分类器。为了获得分类器的准确分数,我现在对每个分类器执行10倍交叉验证。除SVM(线性核和rbf核)外,所有这些方法都很好。数据加载方式如下:

    dataset = pd.read_csv("data/distance_annotated_indels.txt", delimiter="\t", header=None)
    
    X = dataset.iloc[:, [5,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26]].values
    y = dataset.iloc[:, 4].values
    
    from sklearn.model_selection import train_test_split
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)
    
    from sklearn.preprocessing import StandardScaler
    sc = StandardScaler()
    X_train = sc.fit_transform(X_train)
    X_test = sc.transform(X_test)
    

    交叉验证(例如随机林)效果良好:

    start = time.time()
    classifier = RandomForestClassifier(n_estimators = 100, criterion = 'entropy')
    classifier.fit(X_train, y_train)
    y_pred = classifier.predict(X_test)
    cv = ShuffleSplit(n_splits=10, test_size=0.2)
    scores = cross_val_score(classifier, X, y, cv=10)
    print(classification_report(y_test, y_pred))
    print("Random Forest accuracy after 10 fold CV: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2) + ", " + str(round(time.time() - start, 3)) + "s")
    

    输出:

                 precision    recall  f1-score   support
    
              0       0.97      0.95      0.96      3427
              1       0.95      0.97      0.96      3417
    
    avg / total       0.96      0.96      0.96      6844
    
    Random Forest accuracy after 10 fold CV: 0.92 (+/- 0.06), 90.842s
    

    然而,对于SVM来说,这个过程需要很多时间(等待了2个小时,仍然没有结果)。sklearn网站并没有让我变得更聪明。我是否应该为SVM分类器做些不同的事情?SVM代码如下:

    start = time.time()
    classifier = SVC(kernel = 'linear')
    classifier.fit(X_train, y_train)
    y_pred = classifier.predict(X_test)
    scores = cross_val_score(classifier, X, y, cv=10)
    print(classification_report(y_test, y_pred))
    print("Linear SVM accuracy after 10 fold CV: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2) + ", " + str(round(time.time() - start, 3)) + "s")
    
    3 回复  |  直到 5 年前
        1
  •  4
  •   Davide Fiocco    8 年前

    如果您有大量样本,则问题的计算复杂性会妨碍您,请参阅 Training complexity of Linear SVM

    考虑玩 verbose 的标志 cross_val_score 查看有关进度的更多日志。此外,使用 n_jobs 设置为值(>);1(甚至使用所有CPU n\u作业 如果内存允许,设置为-1)您可以通过并行化加快计算速度。 http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_score.html 可用于评估这些选项。

    如果性能不佳,我会考虑降低 cv (参见 https://stats.stackexchange.com/questions/27730/choice-of-k-in-k-fold-cross-validation 进行讨论)

        2
  •  0
  •   hus    7 年前

    您还可以通过更改max\U iter来控制时间。如果它设置为-1,根据soltion空间,它可以永远运行。设置一些整数值(例如10000)作为停止条件。

        3
  •  0
  •   Nikolay Petrov    4 年前

    或者,您可以尝试使用优化的SVM实现,例如使用scikit learn intelex- https://github.com/intel/scikit-learn-intelex

    第一个安装包

    pip install scikit-learn-intelex
    

    然后添加python脚本

    from sklearnex import patch_sklearn
    patch_sklearn()