matlab 中的 svmtrain - 约束不够严格。答案

【问题标题】：svmtrain in matlab - the constraints are not restrictive enough.matlab 中的 svmtrain - 约束不够严格。
【发布时间】：2012-12-15 20:39:43
【问题描述】：

我在 matlab 中使用带有 MLP 内核 的 svmtrain，如下所示：

mlp=svmtrain(train_data,train_label,'Kernel_Function','mlp','showplot',true);

但我收到此错误：

??? Error using ==> svmtrain at 470
Unable to solve the optimization problem:
Exiting: the solution is unbounded and at infinity;
the constraints are not restrictive enough.

是什么原因？我尝试了其他内核，没有任何错误。甚至我尝试了svmtrain - unable to solve the optimization problem的答案如下：

options = optimset('maxiter',1000);
svmtrain(train_data,train_label,'Kernel_Function','mlp','Method','QP',...
'quadprog_opts',options);

但我又遇到了同样的错误。我的训练集是一个简单的 2 类数据点的 45*2 数据集。

【问题讨论】：

标签： matlab kernel svm

【解决方案1】：

here 中的解决方案并没有真正解释任何事情。问题是二次规划方法无法收敛于优化问题。正常的做法是增加迭代次数，但我在相同大小的数据上进行了测试，迭代次数为 1,000,000 次，但仍然无法收敛。

options = optimset('maxIter',1000000);

mlp = svmtrain(data,labels,'Kernel_Function','mlp','Method','QP',...
'quadprog_opts',options); 

??? Error using ==> svmtrain at 576
Unable to solve the optimization problem:
Exiting: the solution is unbounded and at infinity;
 the constraints are not restrictive enough.

我的问题是：您是否有任何理由使用二次规划而不是 SMO 进行优化？使用 SMO 做同样的事情效果很好：

mlp = svmtrain(data,labels,'Kernel_Function','mlp','Method','SMO');

mlp = 

          SupportVectors: [40x2 double]
                   Alpha: [40x1 double]
                    Bias: 0.0404
          KernelFunction: @mlp_kernel
      KernelFunctionArgs: {}
              GroupNames: [45x1 double]
    SupportVectorIndices: [40x1 double]
               ScaleData: [1x1 struct]
           FigureHandles: []

【讨论】：