libsvm：优化完成，#iter = 1 nu = nan

Question

我在matlab中使用libsvm训练一个svm模型，但是当我调用

model = svmtrain(labels,Feature,'-t 0');

它给了我这个结果：

*
optimization finished, #iter = 1
nu = nan
obj = nan, rho = nan
nSV = 0, nBSV = 0
Total nSV = 0

我的正负样本数量几乎相等：935 vs 904，所以这个问题不是由不平衡的训练数据集引起的。我也尝试了其他内核，但它们都不起作用。

Answer 1

您不想再使用svmtrain。新版本是templatesvm 与fitcecoc 配对。这两个函数的数据页都相当广泛。

您最终会希望使用您的模型来预测其他数据，为此请使用 predict。

我最近在尝试对具有两个以上类别的点云中的地形进行分类时遇到了类似的问题。 templatesvm 和 fitcecoc 解决了我的问题。

我使用的代码如下，其中trainingdata是我的5维训练数据，groups包含每个类的标签，对应于元胞数组classes。

SVMtemp = templateSVM('KernelFunction','polynomial','IterationLimit',1e4,...
    'PolynomialOrder',4,'OutlierFraction',ExpOut,...
    'Standardize',true); % Create SVM template
Model =     fitcecoc(trainingdata(:,4:8),groups,'learners',SVMtemp,'ClassNames',...
    classes); % Create the SVM model