SVM总是会收敛吗？

Question

我在python中使用scikit-learn使用svm.SVC对我的实例进行分类;但是，对于某些参数组合，从不停止。这是因为算法需要更多时间。或者算法可能无法收敛到极值点。

请注意，我没有对我的数据做出任何假设。知道了，svm是否总是收敛于任意数据集？

Answer 1

除非存在数字问题，否则它应该总是收敛。

确保您的数据已正确缩放。如果不同的特征具有不同数量级的值，那么这是一个坏主意。您可能希望将所有要素标准化为范围[-1，+ 1]，尤其是对于具有100多个要素的问题。

  

问：程序继续运行（带输出，即多点）。什么   我该怎么办？

     

理论上，libsvm保证收敛。因此，这   意味着你正在处理病态的情况（例如   大/小参数）因此出现了数值上的困难。

     

参考：https://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html

Answer 2

根据Imanol＆Others的上述建议，扩展培训和测试投入。

遵循通用标准，例如：均值= 0和性病= 1

您可以使用sklearn.preprocessing库中提供的StandardScaler API。

注意：仅将StandardScaler功能适合训练输入集，并转换训练和测试，因此应用相同的比例。

scaler = StandardScaler().fit(train_ip)
scaler.transform(train_ip)
scaler.transform(test_ip)