支持向量数libsvm

Question

预测时间取决于支持向量的数量，但我希望预测速度更快。

如何将libsvm中的支持向量数量设置为常量值？

也许我可以找到N个支持向量，然后通过某种近似将其减少到K (K< N)？

Answer 1

正如在其他答案中所述，控制支持向量数量的更容易的方法是使用C和内核参数。然而，有一些关于这个主题的有趣的论文：

用降低分类器复杂度的PDF构建支持向量机

一种简化支持向量机PDF的E-ffi方法

约简支持向量机PDF的研究

不幸的是，我找不到这个的公开来源：

一种减少支持向量个数(http://link.springer.com/chapter/10.1007%2F1-4020-3432-6_12?LI=true#page-1)的算法

Answer 2

支持向量的数量取决于训练数据和参数以及所选的核参数(例如，高斯具有)。

据我所知，没有明确的方法来定义支持向量的数量。只是一个线索:也许像c=0这样的一些极端值会产生一些极端数量的支持向量--但假设它不是你想要的……

可能，更好的方法是找到参数设置，给出你需要的支持向量的数量，并且结果仍然是合理的。

Answer 3

根据您使用的内核，您必须对C和Gamma参数进行详尽的网格搜索(请参见grid.py)，并优化支持向量的数量。不能保证来自grid.py的值网格将为您的特定问题产生最佳的值，但这是一个很好的起点。请注意，最小化SVs的数量并不能最大限度地提高准确性。

PS:您需要为此任务编写一个自定义脚本，因为此功能不是在AFAIK中构建的。