エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
scikit-learnのSVM(SVC)の処理速度について - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
scikit-learnのSVM(SVC)の処理速度について - Qiita
2016.09.14 処理時間のバラつきについて追記しました scikit-learnのSVC(rbfカーネルとlinearカーネル... 2016.09.14 処理時間のバラつきについて追記しました scikit-learnのSVC(rbfカーネルとlinearカーネル)とLinearSVCの処理速度を比較してみました. 利用したデータはRのkernlabパッケージに含まれているspamデータです. 説明変数は4601サンプル,57次元, ラベルはspam:1813サンプル,nonspam:2788サンプルです. サンプル数,次元数を変えた時の結果は以下の通りです. SVCのlinearカーネルが遅すぎますね. ついついカーネル種別まで含めてグリッドサーチしてしまいたくなりますが, きちんとLinearSVCを使ったほうが良さそうです. 検証用コードは以下. 処理時間計測の都合でパラメータCを振っています. また特徴量選択(次元削減)はRandomForestのfeature importanceを利用しました. これは適当