我尝试在具有以下大小的数据集上训练LS-SVM分类器：
训练数据集：TS = 48000x12（双）
组：G = 48000x1（双）
Matlab培训代码是：
class = svmtrain(TS,G,'method','LS',...
'kernel_function','rbf','boxconstraint',C,'rbf_sigma',sigma);
然后，我收到此错误消息：
使用svmtrain时出错（第516行）
评估内核函数'rbf_kernel'时出错。
引起：
使用repmat时出错
内存不足。键入HELP MEMORY以获取选项。
请注意，物理内存的大小为4Gb，当我减少数据集训练大小时，它会起作用。因此，如果有任何解决方案具有相同的数据大小，当然不需要添加物理内存。
答案 0 :(得分：1)
看来，实现需要计算整个Gram矩阵，它是N x N（其中N - 样本数）的大小，在你的情况下是2,304,000,000，现在每个都由32位浮点数，意味着它需要至少4个字节，这需要9,216,000,000个字节，大约只有9GB个数据，仅用于Gram（内核）矩阵。
有两种选择：