有熟悉LibSVM训练的吗，900个分类，2W个维度？

[menuvb]

之前使用libsvm训练，几个小时都没出结果，后来改为liblinear，还是一样。

训练文件大概是9M左右.

[V68V6]

[Quote=引用 1 楼 acesidonu 的回复:]
友情帮顶
[/Quote]

同上。

[speedmancs]

900个类别，2w个维度？

那你有多少个训练样本

[mathe]

2W个维度有点可怕，2W*2W的矩阵求特征值计算量可不小

[menuvb]

数据量不大，训练样本大概在40M左右，基本上文本一行就算一个分类的样本，总共有80W个样本。

现在已经改为KNN来分类了，SVM确实不适合这种多分类的。训练时间都是一个未知数。小分类和小数据量SVM是个更好的选择。

[speedmancs]

SVM是二分类的，用svm做多分类的话你还得做进一步的处理。

svm的分类性能是非常强悍的，knn大多数情况下，是不如svm的。另外，knn虽然训练时间相对较少，但是分类时间是和训练样本规模成正相关的。。。。svm的离线训练时间是很长，但是在线分类效率和效果都是很赞的。


svm训练跑个几天一般都不是什么稀罕事

[menuvb]

是的，KNN的分类时间是线性的，如果还是上面的数据量去训练，将一个文档分类大概要4-5秒左右（维度太多，就算用了倒排结构在速度上也没有太大在的效果，），目前正打算减少维度，并用KD-tree,希望对自己有用。

目前SVM看来已经不在适合我。