我正在尝试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准确度分数，我现在对每个分类器执行 10 倍交叉验证。这适用于除 SVM(线性和 rbf 内核)之外的所有方法。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)
例如，随机森林的交叉验证工作正常：
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
但是，对于 SVM 来说，这个过程需要很长时间(等待 2 小时，仍然一无所获)。sklearn网站并没有让我变得更聪明。我应该为 SVM 分类器做一些不同的事情吗？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")
如果您有很多样本，问题的计算复杂性会妨碍您，请参阅线性 SVM 的训练复杂性。
请考虑使用cross_val_score的verbose标志来查看有关进度的更多日志。此外，将n_jobs设置为>值 1(或者如果内存允许，甚至可以使用n_jobs设置为 -1 的所有 CPU)，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的值(有关此的讨论，请参阅 https://stats.stackexchange.com/questions/27730/choice-of-k-in-k-fold-cross-validation)
您还可以通过更改max_iter来控制时间。如果它设置为 -1，它可以根据溶解空间永远存在。设置一些整数值，例如 10000 作为停止条件。
或者，您可以尝试使用优化的SVM实现 - 例如scikit-learn-intelex - https://github.com/intel/scikit-learn-intelex
首次安装包
pip install scikit-learn-intelex
然后添加你的 python 脚本
from sklearnex import patch_sklearn
patch_sklearn()