从 scikit-learn 训练 SVC 表明使用 -h 0 可能更快？
Training SVC from scikit-learn shows that using -h 0 may be faster?
我正在大型数据集上训练 SVC 模型，由于我设置了 verbose=True，它显示 Warning: using -h 0 may be faster。
我这里有两个问题：
- 这个警告是什么以及我们如何设置警告中提到的 libsvm 的任何选项？
sklearn.svm.SVC参数设置缓存的大小会影响训练速度吗？我将其设置为 cache_size=2000 。
感谢您的专家观点
-h参数控制shrinking：是否使用shrinking heuristics，0或1（默认1）
您可以使用 shrinking 参数在 SVC 构造函数中设置它。收缩是一种加速优化问题的启发式算法。
检查 Original Paper 和
Similar Quesiton on shrinking
缓存是一种用于减少作为训练一部分的分解方法的计算时间的技术。此大小通过 cache_size 参数控制。
我强烈建议阅读原始 libsm 论文，尤其是第 5 节。
我正在大型数据集上训练 SVC 模型，由于我设置了 verbose=True，它显示 Warning: using -h 0 may be faster。
我这里有两个问题：
- 这个警告是什么以及我们如何设置警告中提到的 libsvm 的任何选项？
sklearn.svm.SVC参数设置缓存的大小会影响训练速度吗？我将其设置为cache_size=2000。
感谢您的专家观点
-h参数控制shrinking：是否使用shrinking heuristics，0或1（默认1）
您可以使用 shrinking 参数在 SVC 构造函数中设置它。收缩是一种加速优化问题的启发式算法。
检查 Original Paper 和 Similar Quesiton on shrinking
缓存是一种用于减少作为训练一部分的分解方法的计算时间的技术。此大小通过 cache_size 参数控制。
我强烈建议阅读原始 libsm 论文，尤其是第 5 节。