SVM和LR速度测试

本文通过三组不同规模的数据测试发现,SVM在样本少、特征维数低时运行时间短于LR,但准确率较低。随着样本数量增加,SVM的运行时间显著增长,但准确率提升。而在处理大量样本和高维特征时,SVM的运行时间剧增,甚至超过LR,虽然准确率接近。SVM的高时间复杂度源于其二次时间复杂度,尤其是在核函数和大样本高维数据下,可能导致更严重的时间消耗问题。
摘要由CSDN通过智能技术生成
样本1
X, Y = skl_ds.make_classification(n_samples=200, n_features=50, n_classes=2)

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=2019)

 

First

Second

Third

Forth

Fifth

Avg

SVM时间(秒)

0.0010

0.0020

0.0040

0.0020

0.0030

0.0024

SVM准确率

0.7833

0.7667

0.7333

0.8167

0.7667

0.77334

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值