如果我提供的数据足以将一堆对象分类为苹果，橙子或香蕉，那么构建可以进行分类的SVM需要多长时间？我很欣赏它可能取决于数据的性质，但是我们更有可能在几小时，几天或几周内讨论？
确定。现在您已拥有该SVM，并且您已了解数据的行为方式，您可能需要多长时间来升级SVM（或构建一个新的SVM）以对额外的类（番茄）进行分类？秒？分钟？小时？
问题的动机是试图评估SVM在任何时候都不能对所有数据进行采样的情况下的实际适用性。水果是一个明显的例子 - 它们随季节变化颜色和可用性。
如果您希望SVM过于繁琐而无法在5分钟内按需创建，尽管遇到问题域的经验，那么对于这种情况的更加用户友好的分类器形式的建议将不胜感激。< / p>
答案 0 :(得分：1)
通常，将类添加到1对比许多SVM分类器需要重新训练所有类。在大型数据集的情况下，这可能会变得非常昂贵。在现实世界中，当面对非常大的数据集时，如果性能和灵活性比最先进的准确性更重要，Naive Bayes被广泛使用（向NB分类器添加类需要仅训练新类）。
然而，根据您的评论，其中说明数据具有数十个维度和高达1000个样本，问题相对较小，因此实际上，SVM重新训练可以非常快速地执行（可能，大约几秒钟到几十秒）。
答案 1 :(得分：0)
您需要向我们提供有关您的问题的更多详细信息，因为有太多不同的场景可以很快地训练SVM（我可以在第三人称射击游戏中实时训练并且没有任何延迟）或者它可以持续几分钟（我有一个面部探测器的案例，训练需要一个小时）
作为拇指规则，训练时间与样本数量和每个向量的维度成正比。