待验证50% 置信事实精确时间

标准SVM(使用SMO等优化算法)的训练时间复杂度介于O(n²)到O(n³)之间，样本量从1000增加到10000理论耗时可能增加100到1000倍

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

SVM训练慢10分钟？新手必踩的网格搜索性能陷阱全解析

相关事实

待验证SVM训练运行时间由训练次数与单次训练复杂度共同决定，而非仅取决于数据量大小81% 相似待验证手工取极值样本会引入离群点，使支持向量数量激增，迫使SVM构建更复杂的决策边界并延长训练时间76% 相似待验证Fine-tuning在预训练模型基础上用数千至数万条领域数据二次更新参数，更适合固定格式输出、高度专业化的垂直场景，知识更新灵活性较低68% 相似待验证实际Agent Tuning项目中数据准备、超参调优、多次实验迭代的总成本通常是单次训练的5-10倍68% 相似待验证大模型训练阶段的能耗约为推理阶段的数百倍68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/558036

API

curl https://kongchang.com/api/v1/knowledge/claims/558036

MCP

get_claim(id=558036)