SVM是否總是收斂？

我在python中使用scikit-learn來分類我的實例使用svm.SVC;然而，對於某些參數組合來說，它們決不會停止。這是因爲算法需要更多時間。或者有可能算法不收斂到極值點。SVM是否總是收斂？

請注意，我沒有對我的數據做任何假設。知道了，svm是否總是收斂於任意數據集？

2016-11-06 A. Mashreghi

你可以改變'max_iter'如果花費太多時間。 'max_iter = -1'可以讓它無限期地轉向 – MMF

'''理論上libsvm保證會聚。因此，這意味着您正在處理病態情況（例如太大/太小的參數），因此會出現數值困難。[來自libsvm faq（SVC的核心算法）]（https：//www.csie.ntu .edu.tw /〜cjlin/LIBSVM /的faq.html）。你的行爲是常見的，因爲一些參數傾向於使用更多的支持向量，這會對性能產生一些影響！另外：優化本身正在使用啓發式加速收斂，有時可以很好地工作，有時不會（再次：params）。 – sascha

它應該總是收斂，除非有數字問題。

確保您的數據正確縮放。如果不同的特徵具有不同數量級的值，這是一個糟糕的想法。您可能想要將所有要素標準化到[-1，+ 1]範圍，特別是對於超過100個要素的問題。

問：該程序保持運行（輸出，即許多點）。我應該怎麼做？

理論上libsvm保證會聚。因此，這個意味着您正在處理病態情況（例如，太大或太小的參數），因此會出現數值問題。

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

來源

2016-11-06 20:19:18 BernardoGO

只是爲了完整性，它通常被認爲是將*（*標準化*）特徵標準化爲'mean = 0＆std = 1'的標準，作爲特徵=（特徵 - 平均值（特徵））/標準特徵 –

SVM是否總是收斂？

回答

相關問題