3个回答
38
实际上，作为libsvm中支持核函数和线性SVM的SMO算法的复杂度是O(n^2)或O(n^3)，而liblinear的复杂度是O(n)，但它不支持核SVM。这里的n是训练数据集中样本数。
因此，在处理中大型数据集时，最好避免使用核函数并选择liblinear（或者可以尝试使用近似核SVM求解器，例如LaSVM）。
编辑：实际上，在10,000个样本以上的情况下，libsvm的速度会变得非常缓慢。
- ogrisel
4
1除了实现问题之外，我还想补充一点，如果你运行这两个算法，你会得到的准确度分数可能会截然不同。我发现LibLinear通常（如果不是总是）比LibSVM得分更高。 - hlin117
@ogrisel，Liblinear中的“L2正则化逻辑回归”分类器具有O(n)复杂度吗？ - Hani Goc
其实我不确定，这可能取决于liblinear使用的求解器，但我肯定它比libsvm使用的SMO求解器要好得多。 - ogrisel
如果感兴趣，我们尝试了多达160k个样本的数据集（在此之后，核SVM训练变得非常缓慢 - 即使在每个节点具有16个内核的4个节点上，也需要一周以上才能完成）。核SVM产生了稍微更好的结果，但考虑到所需的巨大计算时间，liblinear确实应该是大型数据集的更好默认选择。更多信息可在我们的（开放获取）论文中找到：http://dx.doi.org/10.1186/s13321-016-0151-5 - Samuel Lampa
10
SVM是支持向量机，基本上是一个线性分类器，但使用许多核变换将非线性问题预先转换为线性问题。
从上面的链接看来，liblinear似乎是相同的东西，没有这些核变换。所以，正如他们所说，在不需要核变换的情况下（他们提到文档分类），它会更快。
从上面的链接看来，liblinear似乎是相同的东西，没有这些核变换。所以，正如他们所说，在不需要核变换的情况下（他们提到文档分类），它会更快。
- mlepage
3
来源： http://www.csie.ntu.edu.tw/~cjlin/papers/liblinear.pdf
它支持L2正则化逻辑回归（LR），L2和L1损失的线性支持向量机（SVMs）（Boser等人，1992年）。它继承了流行的SVM库LIBSVM的许多特点。
另外，您可能还会从其中一位创建者的这里看到一些有用的信息：http://agbs.kyb.tuebingen.mpg.de/km/bb/showthread.php?tid=710
我认为，主要思想是liblinear被优化来处理线性分类（即不需要内核），而线性分类只是libsvm的许多能力之一，因此在分类准确性方面可能不如liblinear。 显然，在这里我进行了一些广泛的概括，差异的确切细节可能在我上面链接的论文以及libsvm网站上的相应用户指南中得到详细介绍。
- TakeS
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接