Scikit-learn: 관련성 벡터 머신(RVM)

다시 읽어봐야 하겠지만 일반적으로 RVM이 좋은 추가 기능이 될 것이라고 생각합니다.
dlib는 호환되어야 하는 부스트 라이선스입니다. 하지만 부스트가 많은 코딩 스타일 때문에 래핑하기가 쉽지 않을 수 있습니다.
문제가 SMO를 사용하여 최적화되었습니까? SMO를 구현하는 것이 합리적입니까?

내 비숍을 잡아야 해요.

ARD와 RVM의 관계는 무엇입니까? RVM은 ARD의 "기본 기능" 버전입니까?

Btw Generalized Linear Models 섹션에 일반화된 모델이 포함되어 있지 않다는 사실에 괴로워한 사람이 있습니까?

자, 그럼 sequential sparse learning algorithm Bishop p를 사용해야 합니다. 352 팔로잉?
자신을 알아보세요 ;)

ARD에도 비슷한 방법이 있는지 궁금합니다. 현재 ARD 구현이 매우 느리기 때문에 멋질 것입니다 :-/

아니요, RVM의 구현은 확실히 SMO를 사용하지 않습니다. SMO는 SVM 최적화에만 사용된다고 생각합니다.
예, 참조 1 페이지 7에서 sequential sparse learning algorithm 를 사용해야 합니다. (bishop p 352에 있습니까? 어느 것입니까?) 이 알고리즘은 충분히 "간단하고" dlib를 사용하지 않고 작성할 수 있습니다. 파이썬으로 작성한 다음 최적화를 위해 cython을 사용하는 것에 대해 생각하고 있었습니다. 이 경우 우리는 matlab 구현을 최대한 활용할 수 있습니다. 어떻게 생각해?
어쨌든 C++로 작성하는 것이 가능해야 합니다. 그러나 이를 위해서는 C++로 된 좋은 선형 대수학 라이브러리가 필요합니다. 기본적으로 scikit-learn이 함께 제공되는지 확실하지 않습니다.

Bishop은 "기계 학습 및 패턴 인식"입니다.

알고리즘을 제대로 이해하는 것은 아마도 완전히 쉽지 않을 것입니다. 이것을 시작하고 싶다면 분명히 더 큰 프로젝트가 될 것입니다. 관심이 있고 어떤 식으로든 구현하려는 경우 진행하십시오.

그것을 구현하는 것도 scikit-learn에 넣는 것과는 상당히 다릅니다. 여기에는 테스트, 문서, 사용자 가이드 및 예쁜 코드 작성도 포함됩니다.

첫 번째 시도에서는 확실히 numpy를 사용해야 합니다. 내부적으로 blas를 사용하므로 매우 빠릅니다.
Cython을 사용하여 속도를 높이는 것은 파이썬 오버헤드가 많은 경우에만 의미가 있습니다. BLAS 호출에 모든 시간을 할애한다면 Cython을 사용하는 것은 의미가 없습니다.

Cython과 numpy에서는 괜찮습니다. 저는 비숍이 RVM에 대해 이야기하는 것을 몰랐습니다.
ARD 및 RVM 관계용. 저는 ARD에 대해 잘 모릅니다. 그러나 참조 2에서 저자는 RVM이 ARD를 기반으로 한다고 말했습니다. (213) 8행.
어쨌든 ARD는 어떻게 작동합니까?

ARD는 Bishops 책과 사용 설명서 에도 설명되어 있습니다. 그것은 가중치에 대각선 가우시안을 우선적으로 놓고 RVM이 수행하는 것과 동일한 분산을 추정하려고 시도합니다. 그 맞습니까?

나는 심판이 다음과 같이 언급했다는 것을 깨달았습니다.

http://books.nips.cc/papers/files/nips20/NIPS2007_0976.pdf

우리가 사용하는 구현이 아닙니다. @vmichel이 구현했다고 생각합니다.
비숍 접근 방식은 이 문서가 다음과 유사한 고정 소수점 접근 방식을 목적으로 합니다.
좌표 하강 접근. 이 코드는 확실히 사랑이 필요합니다...

@agramfort 감사합니다. 궁금했습니다. 자세히는 안 가봤지만 논문만 참고가 되는 줄 알았는데...

사용된 bishop의 장을 인용하여 다른 문서를 대신 구현해야 한다는 설명을 추가해 주시면 대단히 감사하겠습니다.

(현재 테스트 스위트에서 가장 느린 것 중 하나는 공통 테스트의 보스턴 데이터 세트에 ARD를 맞추는 것입니다)

@agramfort 감사합니다. 궁금했습니다. 자세히는 안 가봤지만 논문만 참고가 되는 줄 알았는데...

사용된 bishop의 장을 인용하여 다른 문서를 대신 구현해야 한다는 설명을 추가해 주시면 대단히 감사하겠습니다.

참조 : https://github.com/scikit-learn/scikit-learn/pull/1530

Btw는 일반화 선형 섹션이
모델에 일반화된 모델이 포함되어 있지 않습니까?

이것은 로지스틱 회귀를 수행합니다.

ARD에도 비슷한 방법이 있는지 궁금합니다. 그것은 멋진 것입니다
현재 ARD 구현은 상당히 느립니다 :-/

ARD의 가장 유망한 Rapid solver는 다음을 구현하는 것이라고 생각합니다.
다음에서 노출된 전략:
http://books.nips.cc/papers/files/nips20/NIPS2007_0976.pdf

얼마 전에 작성한 코드를 요점으로 옮깁니다.

누군가 ARD 작업을 하고 싶다면 유용할 수 있다고 생각했습니다.

https://gist.github.com/4494613

경고: 많이 테스트되지 않았으며 정확성을 보장하지는 않지만
작동하는 것 같습니다.

@amueller
나는 http://books.nips.cc/papers/files/nips20/NIPS2007_0976.pdf 에서 ARD를 분석했고 RVM과 ARD가 동일한 목적 함수를 최적화하기를 원한다고 생각합니다. 차이점은 이 기능을 최적화하는 데 사용된 방법에서 나타납니다. RVM에서 저자들은 대부분의 가중치가 0에 가깝다는 것을 알아차렸고 이를 사용하여 "빠른" 알고리즘을 도출했습니다.

이상하게 들린다. 목적이 같으면 같은 방법으로 최적화를 할 수 있어야 하지 않겠습니까?

네, 당연히 그래야 합니다. 하지만 RVM의 작성자는 더 빠르고 희소한 알고리즘을 사용하기 위해 다른 최적화 전략을 사용했다고 생각합니다.

@yedtoss 다른 차이점이 있다고 확신합니다. 전에 말했듯이 이것은 RVM이 기능 공간에서 또는 커널과 함께 작동하는 것일 수 있습니다. 그렇지 않으면 ARD 구현을 대체할 수 있습니까? 하지만 그것은 회귀이고 분류를 원합니다. 맞습니까?

@agramfort ARD와 RVM의 차이점에 대해 알고 있습니까?

@amueller
처음에 RVM은 회귀 기술입니다. 그러나 저자는 분류에 사용하는 방법을 제시했습니다. RVM은 모든 종류의 커널을 사용했습니다.
내 말은 ARD(A New View of Automatic Relevance Determination의 방정식 2)와 RVM(희소 베이지안 모델에 대한 빠른 한계 가능성 최대화의 방정식 7)의 로그 가능성이 동일하다는 것입니다.

무슨 일이 일어나고 있는지 알아보려면 신문을 읽어봐야 할 것 같아요....

미안해 얘들아 나는 베이지안 사람이 아니라... 잘 모르겠어
자막...

RVM은 Microsoft에서 특허를 받았습니다.

미친.

@larsmans @amueller 미국에는 RVM에 대한 특허가 있지만 저자는 웹 페이지에서 GPLv2 Matlab 구현을 권장하므로 구현해도 괜찮을 것 같습니다...
http://www.miketipping.com/sparsebayes.htm

최상의,
안젤로스

@kalxas 라이선스와 특허는 상당히 직교하며 특히 GPLv2는 소프트웨어 특허를 다루지 않았습니다. 이러한 구현에 대한 귀하의 권리는 GPL이 부여한 권리와 특허 보유자가 부여한 권리의 교차점입니다.

즉, 지원 벡터 머신이 AT&T에 의해 특허를 받았지만 그 특허는 분명히 집행되지 않았다는 것을 알게 되었습니다. 비슷한 것이 RVM에 대해 입증될 수 있다면 그것에 대해 생각을 바꿀 수 있습니다.

@larsmans 나는 dlib 구현의 순수한 numpy/python 포트를 작성했습니다. 헤더에 따르면 dlib의 implem은 2008년부터 사용되었으며 괜찮습니다. sklearn에 RVM을 사용하는 것에 대해 생각을 바꾸시겠습니까?

이에 대한 @GaelVaroquaux 의 의견을 들어보자. dlib implem은 특허 라이선스 없이 널리 사용된다는 것을 증명할 수 없는 한 아무 것도 표시하지 않습니다.

이 주제에 대한 업데이트가 있습니까? 나는 최근에 RVM을 조사하고 있었고 주변에 코드가 있는지 궁금했습니다 ...

빠른 구현을 위해 시도한 사람은 아무도 없다고 생각하며 아직 법적 상태가 확실하지 않습니다.

@jlopezpena dlib를 살펴보면 코드가 매우 명확하고 헤더(템플릿)만 있습니다. numpy에서 사용할 C 확장을 빌드하는 것은 상당히 쉬워야 합니다.

안녕하세요 여러분,

나는 최근에 RVM을 주로 구현하는 Mike Tipping의 무료 SparseBayes MATLAB 프로그램을 MATLAB에서 Python으로 번역했습니다. https://github.com/jhallock7/SparseBayes-Python 에서 찾을 수 있습니다. Mike Tipping에게 연락을 취했는데 그는 Microsoft의 특허가 원래의 느린 알고리즘에만 해당하는 반면 SparseBayes 프로그램은 http://www.miketipping.com/papers/met-fastsbl.pdf에 있는 더 빠른 알고리즘을 사용한다고 말했습니다. 따라서 그의 프로그램의 일부 형태가 scikit-learn으로 접혀도 괜찮을 것입니다. 저는 비교적 Python을 처음 사용하므로 번역이 의심의 여지 없이 개선되거나 수정될 수 있습니다.

기여해 주셔서 감사하고 특허 현황을 확인해주셔서 감사합니다.
그러나 이 알고리즘이 널리 유용한지 여부에 대한 또 다른 질문이 있습니다.

나는 얼마 전에 Bishop의 책을 마지막으로 읽은 이후로 알고리즘과 그 사용법을 본 적이 없습니다.
흥미로운 예는 교정보다 더 나은 불확실성을 제공한다는 것을 보여주는 것입니다.
또는 SVM이 더 빠릅니다(SVM을 보정하고 C를 검색하려면 많은 교차 검증이 필요합니다).

@amueller RVM(주로 Revelance Vector Regression(RVR))은 신경 영상 데이터 분석에 매우 유용합니다. 많은 논문에서 예측을 위해 SVR보다 이 방법을 사용합니다. 이 방법이 scikit Learn 도구 상자에 추가될 수 있다면 완벽할 것입니다.

@amueller 나는 모델(주로 학습/학문 목적)에 맞추기 위해 EM 또는 고정 소수점 알고리즘을 사용할 수 있는 느린 버전의 RVM을 구현했으며 몇 가지 예에서 언급한 RVM과 SVR의 주요 차이점은 희소성, 즉 '지원의 수'입니다. ' 예측에 사용된 벡터. 많은 경우에 RVM은 SVR이 사용하는 것의 일부에 불과한 지원 벡터의 수와 함께 SVR과 유사한 결과를 생성합니다.
( 여기는 Tipping 2001에서도 사용된 간단한 예입니다.)

@amueller (이전 의견에 추가) 그리고 분명히 적은 수의 지원 벡터는 매우 빠른 예측을 의미합니다.
RVM의 또 다른 장점은 확률적 치료입니다. 테스트 세트의 모든 데이터 포인트에 대한 RVM을 사용하면 포인트 추정뿐만 아니라 예측 분포도 찾을 수 있습니다.

RVR은 확률 분포도 제공합니까?

RVR 및 RVM이 포함하기에 합당한 후보인 것 같습니다. 하지만 최신 알고리즘에 대해서는 잘 모르겠습니다. http://www.miketipping.com/papers/met-fastsbl.pdf 입니까? 꽤 오래된 것 같습니다. SparseBayes 코딩 스타일은.... 흥미롭고, sklearn 구현의 기초가 되기보다는 참조로 더 잘 사용될 것이라고 생각합니다.

예 RVR은 확률 분포를 제공하지만 어떤 경우에는 예측 분포의 분산이 훈련 세트 예제 의 도메인 외부에 있는 데이터 포인트에 대해 더 작을 수 있습니다.
내가 아는 한 당신이 언급한 RVM의 마지막 버전은 Tipping의 웹사이트(버전 2)의 Matlab 구현에도 해당합니다.

또한 Kevin Murphy의 책에서 RVM과 SVM 속도에 대한 흥미로운 비교를 찾았습니다.
"RVM은 또한 훈련하기에 가장 빠릅니다. 이것은 RVM 코드가 Matlab에 있고 SVM 코드가 C에 있다는 사실에도 불구하고"(14장, p.490). 그러나 그들은 작은 데이터 세트에 대해서만 비교를 한 것으로 보입니다.

@amueller RVM(주로 revelance 벡터 회귀(RVR))은 다음에서 매우 유용합니다.
신경 영상 데이터 분석.

나는 확신이 서지 않는다(그리고 나는 신경영상촬영을 한다). 좋은건 못봤어
경험적 비교.

갈 방법은 RVM을 별도의 패키지에 포함하는 것입니다.
scikit-learn API를 사용하고 좋은 경험적 작업을 권장하여
유용성. 유용하다면 scikit-learn에 병합하십시오.

일부 신경 영상 연구에서는 관련성 벡터 회귀(RVR) 및
RVR과 SVR을 비교했습니다.
몇 가지를 나열하려면:
http://www.sciencedirect.com/science/article/pii/S1053811910000108
http://www.sciencedirect.com/science/article/pii/S1053811910012644
http://www.sciencedirect.com/science/article/pii/S1053811910003459
http://www.nature.com/npp/journal/v39/n3/abs/npp2013251a.html

그리고 RVR은 패턴 인식 도구 상자에서 구현됩니다.
신경 영상 데이터:
http://www.mlnl.cs.ucl.ac.uk/pronto/

RVR이 scikit-learn에 포함될 수 있기를 바랍니다.

최고의 소원

자이수

2015년 10월 15일 목요일 오후 12시 57분, Gael Varoquaux [email protected]
썼다:

@amueller RVM(주로 Revelance Vector Regression(RVR))은 꽤
유용한
신경 영상 데이터 분석.

나는 확신이 서지 않는다(그리고 나는 신경영상촬영을 한다). 좋은건 못봤어
경험적 비교.

갈 방법은 RVM을 별도의 패키지에 포함하는 것입니다.
scikit-learn API를 사용하고 좋은 경험적 작업을 권장하여
유용성. 유용하다면 scikit-learn에 병합하십시오.

—
이 이메일에 직접 답장하거나 GitHub에서 확인하세요.
https://github.com/scikit-learn/scikit-learn/issues/1513#issuecomment -148281784
.

갈 길은 scikit-learn API를 사용하여 별도의 패키지에 RVM을 갖고 유용성을 보여주기 위해 좋은 경험적 작업을 권장하는 것입니다. 유용하다면 scikit-learn에 병합하십시오.

+1

상대적으로 호환되는 https://github.com/AmazaspShumik/Bayesian-Regression-Methods/blob/master/Relevance%20Vector%20Machine%20%26%20ARD/rvm.py 가 set_params 및 get_params 또는 BaseEstimator 에서 상속이 필요합니다.

그리고 래핑될 수 있는 https://github.com/jhallock7/SparseBayes-Python 이 있습니다.

@ZaixuCui 구현을 사용할 준비가 되었을 때 scikit-learn에 있기를 원하는 이유는 무엇입니까?

@GaelVaroquaux 및 @mblondel 에 동의하는 경향이 있습니다. 거의 10년 동안 아무도 알고리즘에 대해 발표하지 않았다면 사람들은 별로 관심을 갖지 않는 것 같습니다. [오, 표준 알고리즘은 심지어 2003년부터입니다. 그러나 다시 libsvm은 2005입니다.]

scikit을 사용하기 때문에 SVR, elastic-net을 수행하는 방법을 배웁니다.
따라서 RVR 구현이 있는 경우 matlab을 사용할 필요가 없습니다.
기계 학습 분석을 수행합니다.

매우 감사합니다.
당신에게 최선을 기원합니다

자이수

2015년 10월 15일 목요일 오전 11시 13분, Andreas Mueller [email protected]
썼다:

내 말은
https://github.com/AmazaspShumik/Bayesian-Regression-Methods/blob/master/Relevance%20Vector%20Machine%20%26%20ARD/rvm.py
상대적으로 호환되는 것처럼 보입니다. set_params 및 get_params가 필요하거나
BaseEstimator에서 상속.

그리고 https://github.com/jhallock7/SparseBayes-Python 이 있습니다.
포장되다.

@ZaixuCui https://github.com/ZaixuCui 왜 들어가고 싶으세요 ?
구현을 사용할 준비가 되면 scikit-learn?

@GaelVaroquaux https://github.com/GaelVaroquaux 에 동의하는 경향이
및 @mblondel https://github.com/mblondel . 아무도 게시하지 않은 경우
거의 10년 동안 알고리즘을 개발했지만 사람들은 별로 관심을 갖지 않는 것 같습니다.

—
이 이메일에 직접 답장하거나 GitHub에서 확인하세요.
https://github.com/scikit-learn/scikit-learn/issues/1513#issuecomment -148440665
.

scikit을 사용하기 때문에 SVR, elastic-net을 수행하는 방법을 배웁니다.
따라서 RVR 구현이 있는 경우 matlab을 사용할 필요가 없습니다.
기계 학습 분석을 수행합니다.

에서 지적한 RVR을 수행하는 Python 코드를 사용할 수 있습니다.
논의.

알았어 고마워

2015년 10월 19일 월요일 오전 8:29 Gael Varoquaux [email protected]
썼다:

scikit을 사용하기 때문에 SVR, elastic-net을 수행하는 방법을 배웁니다.
따라서 RVR 구현이 있는 경우 matlab을 사용할 필요가 없습니다.
언제
기계 학습 분석을 수행합니다.

에서 지적한 RVR을 수행하는 Python 코드를 사용할 수 있습니다.
논의.

—
이 이메일에 직접 답장하거나 GitHub에서 확인하세요.
https://github.com/scikit-learn/scikit-learn/issues/1513#issuecomment -149213151
.

우리의 새로운 Gaussian Process 구현을 기반으로 이것을 매우 가벼운 클래스로 구현할 수 없었습니까? 내가 이해하는 한 RVR은 특별한 종류의 커널이 있는 GP에 부여된 이름일 뿐입니다.

이것은 최소한의 노력만 필요로 하지만 GP 중 하나를 기반으로 RVR을 구현하는 것이 가장 적절하지 않을 수 있습니까? 참조: @jmetzen

@amueller @GaelVaroquaux @ZaixuCui @yedtoss @jlopezpena

안녕하세요, scikit-learn API를 사용하여 Relevance Vector Machine의 빠른 버전을 구현했습니다.
따라서 누구든지 사용하려는 경우 자유롭게 사용하십시오.

코드: https://github.com/AmazaspShumik/sklearn_bayes/blob/master/sklearn_bayes/rvm/fast_rvm.py

예: https://github.com/AmazaspShumik/sklearn_bayes/blob/master/ipython_notebooks_tutorials/rvm_ard/rvm_demo.ipynb

코드에는 4개의 구현된 클래스가 있습니다.
-회귀ARD
-분류ARD
-RVC
-RVR

따라서 RegressionARD 및 ClassificationARD도 유용할 수 있습니다.

@AmazaspShumik 구현에 감사드립니다. 훌륭한 작품:+1:

@AmazaspShumik

당신의 노력에 감사드립니다.
나는 확실히이 패키지를 시도 할 것입니다.

최선을 다하시길 바랍니다.

자이수

@AmazaspShumik predict_proba 메서드를 구현하는 데 문제가 있는 사람이 있습니까?

여기 PHP에 RVM용 라이브러리가 있는 사람이 있습니까? 나는 RVm이 나를 위해 설명할 수 있다는 것을 이해하지 못합니까?

PHP용 라이브러리 RVM이 있는 사람이 있습니까?

RVM은 Microsoft에서 특허를 받았습니다.

특허가 곧 만료됩니다

2019-09-04
예상 만료

@AmazaspShumik 구현에 대한 토론 링크가 손상되었습니다. 관심이 있는 사람들을 위해 여기에 두십시오(및 일부 다른 구현).

https://github.com/AmazaspShumik/sklearn_bayes - RVM + 일부 다른 algs 구현
https://github.com/JamesRitchie/scikit-rvm - scipy를 사용한 간단한 구현
https://github.com/siavashserver/neonrvm - Python 바인딩을 사용한 C 구현

또한 관련 논문 모음은 다음과 같습니다.
http://www.miketipping.com/sparsebayes.htm

거기에 RVM의 C++ 구현이 있습니다(문서의 보충 자료).
https://pubs.acs.org/doi/abs/10.1021/ci200128w
정확히 여기:
https://pubs.acs.org/doi/suppl/10.1021/ci200128w/suppl_file/ci200128w_si_001.zip

Microsoft 특허가 만료되었습니다. sklearn에 추가할 수 있을까요?

표준 요구 사항을 쉽게 지울 수 있으므로 왜 안되는지 모르겠습니다. 아마도 좋은/확실한 예를 갖는 것이 흥미로울 수 있습니다. scikit-rvm 및 sklearn_bayes 는 유지 관리되지 않은 것처럼 보이지만 여전히 유용할 수 있습니다.
아마도 이제 실제로 작업을 수행하려는 챔피언이 가장 필요할 것입니다.

Murphy의 책에서 그는 RVM 성능이 SVM과 실제로 유사하지만 진정한 확률론적 방법이라는 이점이 있으므로 보정된 확률을 답변으로 제공한다고 주장합니다. 여기 https://github.com/probml/pmtk3/blob/master/docs/tutorial/html/tutKernelClassif.html 그는 작은 데이터 세트를 사용하여 방법을 비교했습니다

렌더링된 버전에 대한 링크를 제공할 수 있습니까?
또한 확장성 문제가 있을 수 있다는 점을 감안할 때 작은 데이터 세트에 있다는 것도 놀라운 일이 아닙니다.

@amueller http://htmlpreview.github.io/?https : //github.com/probml/pmtk3/blob/master/docs/tutorial/html/tutKernelClassif.html

구현을 위해 노력하겠습니다. 도움을 주시면 감사하겠습니다.

SVM보다 RVM의 장점 중 하나인 IIRC는 최적화 단계를 수행하지 않고도 최적의 C 매개변수를 찾을 수 있다는 것입니다.
원저자가 참조 구현에 기꺼이 기여할 것인지 궁금합니다.
글쎄, 그것은 Matlab에 있고 Mike Tipping은 github에도 없습니다 ...

안녕하세요 @amueller 그리고 여러분! 우리는 이 스레드를 보고 RVM의 sklearn 호환 버전(https://github.com/Mind-the-Pineapple/sklearn-rvm)을 구현하기로 결정했습니다. 우리는 JamesRitchie 구현을 기반으로 했습니다. 누군가 기꺼이 그것을 살펴보고 피드백과 기여(@themrzmaster)를 환영한다면 좋을 것입니다. :)
우리는 이 리포지토리를 유지 관리하고 버전 0.2에서 빠른 버전을 구현할 계획이 있으며 언젠가 이 코드가 scikit-learn 메인 리포지토리에 도움이 될 수 있기를 바랍니다. 😊 🍍

안녕하세요 @amueller 그리고 여러분! 우리는 이 스레드를 보고 RVM의 sklearn 호환 버전(https://github.com/Mind-the-Pineapple/sklearn-rvm)을 구현하기로 결정했습니다. 우리는 JamesRitchie 구현을 기반으로 했습니다. 누군가 기꺼이 그것을 살펴보고 피드백과 기여(@themrzmaster)를 환영한다면 좋을 것입니다. :)
우리는 이 리포지토리를 유지 관리하고 버전 0.2에서 빠른 버전을 구현할 계획이 있으며 언젠가 이 코드가 scikit-learn 메인 리포지토리에 도움이 될 수 있기를 바랍니다. 😊 🍍

안녕하세요 @PedroFerreiradaCosta
이 scikit-learn API를 테스트했는데 여전히 너무 느린 것 같습니다(아직 응답하지 않는 것 같습니다). 그 이유는 Windows에서 구현될 수 있다고 생각하십니까? 아래는 내가 사용한 것입니다.
EMRVC(kernel='rbf', gamma='scale', n_iter_posterior=10, max_iter=500, compute_score=True , verbose=True ) 답변 감사합니다 @themrzmaster @PedroFerreiradaCosta

안녕하세요 @mustuner입니다 ! API를 사용해 주셔서 감사합니다!
RVM은 예를 들어 SVM(O(M^3))보다 계산 복잡도가 높기 때문에 많은 수의 기본 함수가 있는 경우 속도가 느려질 수 있습니다. 어느 쪽이든, 프로세스 속도를 높이기 위해 할 수 있는 일이 많이 있습니다. 커널 행렬을 미리 계산하여 X 대신 알고리즘에 공급하거나(kernel='precomputed'로 설정) alpha_threshold의 크기를 줄일 수도 있습니다(기본적으로 1e5로 설정). 이 두 번째 옵션은 모델의 정확도를 낮출 수 있음을 염두에 두십시오.
도움이 되었기를 바랍니다! 추가로 도움을 드릴 수 있도록 문제를 자유롭게 여십시오.

최상의,
페드로

안녕하세요 @mustuner입니다 ! API를 사용해 주셔서 감사합니다!
RVM은 예를 들어 SVM(O(M^3))보다 계산 복잡도가 높기 때문에 많은 수의 기본 함수가 있는 경우 속도가 느려질 수 있습니다. 어느 쪽이든, 프로세스 속도를 높이기 위해 할 수 있는 일이 많이 있습니다. 커널 행렬을 미리 계산하여 X 대신 알고리즘에 공급하거나(kernel='precomputed'로 설정) alpha_threshold의 크기를 줄일 수도 있습니다(기본적으로 1e5로 설정). 이 두 번째 옵션은 모델의 정확도를 낮출 수 있음을 염두에 두십시오.
도움이 되었기를 바랍니다! 추가로 도움을 드릴 수 있도록 문제를 자유롭게 여십시오.

최상의,
페드로

@PedroFerreiradaCosta 감사합니다