Kernlab kraziness：对于相同问题的结果不一致
问题描述：
我在kernlab软件包中发现了一些令人费解的行为：估计在数学上相同的SVM在软件中产生不同的结果。Kernlab kraziness：对于相同问题的结果不一致
此代码片段只是为了简单起见，需要虹膜数据并使其成为二元分类问题。正如你所看到的，我在两个SVM中都使用了线性内核。
library(kernlab)
library(e1071)
data(iris)
x <- as.matrix(iris[, 1:4])
y <- as.factor(ifelse(iris[, 5] == 'versicolor', 1, -1))
C <- 5.278031643091578
svm1 <- ksvm(x = x, y = y, scaled = FALSE, kernel = 'vanilladot', C = C)
K <- kernelMatrix(vanilladot(), x)
svm2 <- ksvm(x = K, y = y, C = C, kernel = 'matrix')
svm3 <- svm(x = x, y = y, scale = FALSE, kernel = 'linear', cost = C)
然而，SVM1和SVM2的汇总信息，大幅不同：这两种模式之间kernlab报告完全不同的支持向量数，训练误差率和目标函数值。
> svm1
Support Vector Machine object of class "ksvm"
SV type: C-svc (classification)
parameter : cost C = 5.27803164309158
Linear (vanilla) kernel function.
Number of Support Vectors : 89
Objective Function Value : -445.7911
Training error : 0.26
> svm2
Support Vector Machine object of class "ksvm"
SV type: C-svc (classification)
parameter : cost C = 5.27803164309158
[1] " Kernel matrix used as input."
Number of Support Vectors : 59
Objective Function Value : -292.692
Training error : 0.333333
为了比较起见，我还计算使用e1071相同的模型，它提供了LIBSVM包的R接口。
svm3
Call:
svm.default(x = x, y = y, scale = FALSE, kernel = "linear", cost = C)
Parameters:
SVM-Type: C-classification
SVM-Kernel: linear
cost: 5.278032
gamma: 0.25
Number of Support Vectors: 89
It reports 89 support vectors, the same as svm1.
我的问题是在kernlab软件包中是否有任何已知的错误可以解释这种不寻常的行为。 （Kernlab for R是一种SVM解算器，允许用户使用几种预封装的内核函数或用户提供的内核矩阵之一，输出是用户提供的超参数的支持向量机的估计值。）
答
回顾某些代码，看来这是有问题的行：
https://github.com/cran/kernlab/blob/efd7d91521b439a993efb49cf8e71b57fae5fc5a/src/svm.cpp#L4205
即，在用户提供的内核矩阵的情况下，ksvm只是看两个维度，而不是输入的维度。这看起来很奇怪，而且可能是一些测试或其他方面的阻碍。用两维数据测试线性内核产生相同的结果：在上面替换1:4与1:2，并且输出和预测都一致。
非常有趣。我看了一会儿，仍然陷入了僵局。我无法弄清楚[代码]中发生了什么（https://github.com/cran/kernlab/blob/efd7d91521b439a993efb49cf8e71b57fae5fc5a/src/svm.cpp#L4025）。给定预先计算的内核矩阵时，可能“Q”矩阵（见[这里]（https://github.com/cran/kernlab/blob/efd7d91521b439a993efb49cf8e71b57fae5fc5a/src/svm.cpp#L463））略有不同？至少这是我将开始调试的地方。据我所知，检索预计算点产品的功能正常工作。 – kdauria
一个不同的，但相关的[问题]（http://*.com/questions/17691036/in-r-why-is-result-of-ksvm-using-user-defined-linear-kernel-different-from- THA）。 – kdauria