SVM（SVC）训练中的obj和rho是什么？

【问题标题】：what is obj and rho in SVM(SVC) training verboseSVM（SVC）训练中的obj和rho是什么？
【发布时间】：2021-05-13 22:25:07
【问题描述】：

我在 SVC 中训练了一个分类模型，我想将训练过程可视化，因此详细设置为 True。这是我得到的结果：

optimazation finished,#iter = 200
obj = -315.082675, rho = 3.537407
nSV = 232, nBSV = 199

迭代器表示收敛所需的迭代。在这种情况下 obj 和 rho 是什么意思？

【问题讨论】：

【解决方案1】：

scikit-learn 的 SVC implementation 基于 libsvm。您正在尝试解决 ν-支持向量分类 问题，该问题被定义为 here 为以下二次程序（原始问题）：

对应的对偶问题在哪里

最优超平面的软边距变体的ν-SVC使用ν-参数化。标准正则化参数 C 由参数 ν ∈ [0, 1] 代替，该参数是作为支持向量的示例数量的下限和上限，并且位于分别位于超平面的错误一侧，如here 所述。

变量 ρ 也被优化。请注意，对于 ξ = 0，两个类别之间的间隔为 2ρ/||w||。这里rho是指收敛时的最优ρ值。而obj是收敛时目标函数的最优值（最小化）。

【讨论】：