遇到的情况是这样的，用SVM建模，当数据记录数量是几K的情况下，30分钟可以生成模型；但当数据记录数量达到几十万时，这个模型就生成不出来了。现在看看有没什么办法，提高这个建模的运算效率？SVM函数建模前的数据处理都很简单，就是SVM函数建模这一步的问题，语句是
library("kernlab")
svm.fit <- ksvm(y~., train, kernel = 'rbfdot',cost=1）
我猜测，提高CPU速度、CPU核数，用并行计算，这些措施可以提高速度，不知道提高内存有没有帮助，请教？谢谢
如果你是直接使用'kernlab'libaray的ksvm函数，如果需要速度的话，建议你直接挂再服务器上面。如果没有服务器的话，建议改用C++,从算法上也进行改进，可以google下相关的算法。
这篇文章供参考，我没有写代码验证。
Parallel Support Vector Machines in Practice。
http://arxiv.org/pdf/1404.1066v1.pdf
谢谢viking_pirate！
我理解，提高建模计算速度，可以从硬件和软件两方面着手，
硬件方面，提高CPU主频应该有效果，但提高内存有没帮助呢？比如，我用64位系统，R中64位系统可以用的内存最大是3G，假设程序其它内存开销是2G，如果系统内存大于5G，比如10G，会不会比内存6G的系统建模运行的速度更快？
软件方面，假设不考虑并行计算的情况，用C++代码和直接用R中的SVM函数建模速度差别大吗？我猜测R中的SVM建模函数底层也是用C代码写的，也许差别不是太大（比如，差别在20%以内），我这理解对不对呢？
如果差别不大 ，我还是想用R中的现成函数，麻烦请教下哈，谢谢！
关于内存管理方面的，我没有经验。一般情况下，package的函数作者都基本上写的很好了，你不一定能保证自己的就比他们的好，所以我懒就用package, 一定要速度，那就改用c++同时改进算法。