在改组输入后，SVM解决方案能否发生变化？

Question

当训练支持向量机（SVM）用于具有完全相同数据的分类时，我基于输入的顺序获得不同的结果，即。如果我改变数据，我会得到不同的SVM。

如果我理解正确的理论，无论输入的顺序如何，SVM解决方案应该是相同的，那么为什么我会得到不同的结果呢？ SVM中是否有任何实现“细节”，为什么改组会改变解决方案？我已经多次检查过我的代码，因为我觉得这很有气味。

我在OpenCV中使用SVM实现。

编辑：在这种情况下，通过改组我指的是更改数据点的顺序而不是功能。

Answer 1

我不熟悉OpenCV实现。但要这样做：在完全相同的数据集上运行几次试验 - 没有改组，相同的顺序，相同的数据点。查看SVM是否更改。显然，从理论上讲，它不应该。但可能是在实现中某处有一些小的随机化步骤，为同一输入产生不同的输出。

编辑：正如Chris A.问的那样，在改组后，特征向量是否与其正确的标签相对应？如果没有，那显然会破坏你的结果。

Answer 2

SVM用于求解凸优化问题，因此最大值是唯一的。这意味着任何随机优化算法都将解决非常接近唯一最优解的问题。并且洗牌不能改变浮点运算精度以上的结果。