svmtrain 和 fitcsvm 的区别

Question

我有一组由 35 个特征组成的数据。我注意到当我将数据提供给 svmtrain 时，我收到了以下信息：

no convergence achieved within maximum number of iterations

然后，当我将迭代次数“MaxIter”增加到大约 1,000,000 次时，上述错误消失了，我开始使用“svmclassify”进行良好的分类。

另一方面，当我将数据提供给“fitcsvm”时，它会在默认的迭代次数“15,000”内快速收敛。然而，问题是当我尝试使用“predict”对数据进行分类时，我得到了错误的分类。

简而言之，在增加迭代次数后，最后“svmtrain”对数据进行正确分类。但是，“fitcsvm”既没有对数据进行正确分类，也没有给我增加迭代次数的机会，因为它通过检查 ConvergenceInfo.Converged 属性可以看出它已经成功收敛.

请给点建议？请注意，我是 matlab 和 SVM 的新手。

Answer 1

fitcsvm 和 svmtrain 在其他算法中使用 SMO 进行优化。该软件在两个函数之间实现了不同的 SMO，但数值研究表明结果存在合理的一致性。

来源：http://in.mathworks.com/help/stats/classificationsvm-class.html

SMO 是顺序最小优化。这是训练 SVM 的步骤。

显然 SMO 的两种实现有不同的参数需要配置。这就是为什么在 fitcsvm 的实现中，您无法设置迭代次数。

查看上面的链接，它还提到了其他差异。