提升 sklearn 上 SVM classifier 的运行速度有什么好途径？

[xiamx]

[kidexp]

用 mkl 或者 openblas ？

[chlx]

选简单的 kernel 函数；用 libsvm 的实现

[facat]

没什么好办法，已经是 c 语音实现了

[xiamx]

有没有办法利用并行计算呢？

[nevin47]

sklearn 我记得是没法并行的，除非去改 SVM 分类器那部分的代码
但是有改代码的功夫，换 libsvm 早好了

[popil1987]

机器学习最难的就在并行上
单机凡是用到 numpy 的安装 openblas 可以做到利用上所有的核心。如果一台机器性能被透支了，就别惦记了，还是使用 spark 等内置的机器学习库吧。

[caomaocao]

用 linlinear

[glennq]

不要多想， sklearn 上的 svm 就是 wrap 了 libsvm 和 liblinear ，很难更快了。说到底 SVM 本来就慢

SVC -> libsvm
LinearSVC -> liblinear

[deanguqiang]

用随机梯度下降实现的 SVM ，对有些问题快很多。

[deanguqiang]

sklearn.linear_model.SGDClassifier(loss='hinge')