Unverified50% confidenceFactExact time
sklearn中SVC(probability=True)使用Platt Scaling方法，每次fit会在内部额外执行5次SVM训练
1
Sources
50%
Confidence
Long-term
Relevance
7/19/2026
First Seen
Sources
Related Claims
Unverified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73% similarUnverifiedSVM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70% similarUnverified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64% similarUnverified混合精度训练和梯度累积等技术可以在有限GPU内存下训练更大模型64% similarUnverified在过参数化区间存在无数个能完美拟合训练数据的解，优化算法如SGD倾向于选择范数最小的解，这种隐式正则化使模型获得更好泛化性能63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/564625API
curl https://kongchang.com/api/v1/knowledge/claims/564625MCP
get_claim(id=564625)