Question

我在matlab中使用svmtrain和 MLP内核，如下所示：

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

但是我收到了这个错误：

??? 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。即使我尝试了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45 * 2数据集，包含2个类数据点。

Answer 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。正常的行动方案是增加迭代次数，但我已经在相同大小的数据上进行了测试，并进行了1,000,000次迭代，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SMO上的二次规划进行优化？使用SMO做同样的事情很好：

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: []

matlab中的svmtrain - 约束不够严格。

1 个答案: