matlab - matlab 中的 svmtrain - 约束不够严格。

Question

我在带有 MLP 内核 的 matlab 中使用 svmtrain，如下所示:

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

但是我得到这个错误:

??? 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.

这是什么原因？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);

但是我又遇到了同样的错误。我的训练集是 2 类数据点的简单 45*2 数据集。

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。正常的做法是增加迭代次数，但我已经在相同大小的数据上进行了测试，迭代了 1,000,000 次，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:您是否有任何理由在 SMO 上使用二次规划来进行优化？使用 SMO 做完全相同的事情效果很好:

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: []