我使用的是svm秩。
在小型数据集上运行svm_rank_learn时：
训练集属性：3个功能，12个排名，596个示例
几秒钟后跑步结束，我得到了一个有效的模型。但当我使用更大的数据集时：
训练集属性：3个功能，30个排名，1580个示例
在迭代29中，运行被阻塞了几个小时。这很奇怪，因为文档中指出svm排名"在排名（即查询）的数量上呈线性变化"。
我的数据集或格式有什么问题？
然而，由于我不想花超过一个下午的时间对SVMrank进行编码，我只实现了一个简单的分离预言机，它在每个排名中的项数是的二次方（而不是[Joachims，2006]中描述的O[k*log k]分离预言机）。http://www.cs.cornell.edu/people/tj/svm_light/svm_rank.html
您或多或少地将示例的数量增加了3个。所以，你可以预计时间会增加9倍。
[S] 由于文件指出svm排名"在排名（即查询）数量上呈线性扩展"
你也可以将排名的数量增加2倍多一点。所以，把这两者结合起来，你预计训练需要大约20倍的时间。
这并不能解释为什么它会从几秒钟变成几个小时。
您的特征值属于不同的范围。尝试跨样本缩放特征，使每个特征的平均值和单位方差为零。它还有助于规范化每个样本中的特征。这两个步骤大大加快了计算速度。
Scikit-learn对数据预处理有一个很好的介绍，它还提供了可以轻松做到这一点的方法http://scikit-learn.org/stable/modules/preprocessing.html#preprocessing.