LS-SVM的训练：内存

我尝试在具有以下尺寸的数据集训练一个LS-SVM分类：LS-SVM的训练：内存

训练数据集：TS = 48000x12（双）
群组：G = 48000x1（双）

Matlab的训练码：

class = svmtrain(TS,G,'method','LS',... 
       'kernel_function','rbf','boxconstraint',C,'rbf_sigma',sigma);

然后，我得到这个错误信息：

全光照的错误g svmtrain（行516）
评估内核函数'rbf_kernel'时出错。使用repmat
缺货的存储器
错误：

所致。为您的选项键入HELP MEMORY。

请注意，物理内存的大小是4Gb，并且当我减少数据集的训练大小时它可以工作。因此，如果有任何解决方案具有相同的数据大小，并且当然不添加物理内存。

2014-01-06 Sofiane

多少类，你在你的训练集？ – lejlot

@lejlot：'svmtrain' Matlab函数仅适用于二进制分类，所以我只有两个类。 – Sofiane

您可能能够在Scala中使用Breeze进行SVM。我不喜欢不可扩展的解决方案，而Matlab总是无法扩展。我建议你进入http://spark.incubator.apache.org/docs/latest/mllib-guide.html – samthebest

看来，实现需要计算整个格拉姆矩阵，它是N×N（其中N - 样本数）的大小，在你的情况下它是2,304,000,000，现在每个都用32位浮点数表示，这意味着它需要至少4个字节，这个字节需要9,216,000,000个字节，这大概是针对Gram（内核）矩阵的数据的9GB。

有两种选择：

查找执行这对于RBF核不计算内核（克）矩阵，而是使用一些可调用每一次计算核心价值
你可以尝试使用某种类型的LS-SVM逼近，像最小二乘快速稀疏逼近支持向量机：http://homes.cs.washington.edu/~lfb/software/FSALS-SVM.htm

2014-01-06 12:49:54 lejlot

感谢您的回复。但是你怎么计算出数字N？（知道我有48000个训练样本和12个特征） – Sofiane

N = 48000，所以N * N = 2,304,000,000 – lejlot

答案的第二个选项很有用，但它不能解决问题，因为当我尝试集成开发的C函数（在'mex'编译之后），Matlab遇到内部问题并需要关闭。另外，我更喜欢使用Matlab函数的解决方案（特别是用于训练和测试的Matlab SVM函数）。感谢有用的建议。 – Sofiane

回答