R做svm预测和随机森林分类好慢啊！

露露的家园2012 发表于 2017-12-12 09:55
我刚刚重新尝试一下，将df[,ncol]~.,换成了：
svmfit

svm不适合数据量大的情况，本身svm更适合数据量比较小。

jameschin007 发表于 2017-12-12 15:36
服务器内存多少，CPU啥情况。

SVM吃CPU， RF吃内存。 换Python或java weka 快很多

10万数据对NN来说不大，但是对svm来说已经非常大了。它不适合大样本情况。

露露的家园2012 发表于 2017-12-12 15:49

不是打击你，这个配置差不多就是这样的。
所以建议比如把数据分成5份或10分，用RF或SVM 分别做5个模型。然后在做ensemble。

另外，这两个模型都是不支持多线程，所以就一个cpu在跑。 所以现在4核，8核也没用。 拿服务器跑也那样。
你可以看任务管理器里，只有一个cpu彪满，其他的都在休息。。。。
有人建议用并行包 parallel, 可以试试，但是很可能让你失望。SVM 上并行不稳定，很可能运行半天之后，会报错终止。 而且是随机的。有时运行挺好，有时就出问题。

建议你换xgboost吧。 支持并行。 效果很好。 R做原型验证还行，做实时分析肯定是满，所以还是换python或者java weka 比较有效。