svmtrain和fitcsvm之间的差异

Question

我有一组由35个功能列表组成的数据。我注意到当我将数据提供给 svmtrain 时，我收到了消息：

no convergence achieved within maximum number of iterations

然而，如果迭代次数“ MaxIter ”增加到大约1,000,000，则上述错误消失，我开始使用“ svmclassify ”获得良好的分类。

另一方面，当我将数据提供给“ fitcsvm ”时，它会在默认的迭代次数“15,000”内快速收敛。然而，问题是当我尝试使用“预测”对数据进行分类时，我的分类错误。

简而言之，最后“ svmtrain ”在增加迭代次数后正确地对数据进行分类。但是，“ fitcsvm ”既没有正确地对数据进行分类，也没有给我机会增加迭代次数，因为它通过检查 ConvergenceInfo.Converged 属性看起来成功收敛

有什么建议吗？注意我是matlab和SVM的新手。

Answer 1

  

fitcsvm和svmtrain在其他算法中使用SMO进行优化。该软件在两个函数之间实现了不同的SMO，但数值研究表明结果存在明显的一致性。

来源：http://in.mathworks.com/help/stats/classificationsvm-class.html

SMO是顺序最小优化的地方。这是培训SVM的步骤之一。

显然，SMO的两个实现具有不同的参数来配置。这就是为什么在fitcsvm的实现中，你无法设置迭代次数。

看看上面的链接，它还提到了其他差异。