SVM是否总是收敛？
问题描述：
我在python中使用scikit-learn来分类我的实例使用svm.SVC;然而，对于某些参数组合来说，它们决不会停止。这是因为算法需要更多时间。或者有可能算法不收敛到极值点。SVM是否总是收敛？
请注意，我没有对我的数据做任何假设。知道了，svm是否总是收敛于任意数据集？
答
它应该总是收敛，除非有数字问题。
确保您的数据正确缩放。如果不同的特征具有不同数量级的值，这是一个糟糕的想法。您可能想要将所有要素标准化到[-1，+ 1]范围，特别是对于超过100个要素的问题。
问：该程序保持运行（输出，即许多点）。我应该怎么做 ？
理论上libsvm保证会聚。因此，这个 意味着您正在处理病态情况（例如，太大或太小的参数），因此会出现数值问题。
+2
只是为了完整性，它通常被认为是将*（*标准化*）特征标准化为'mean = 0＆std = 1'的标准，作为特征=（特征 - 平均值（特征））/标准特征 –
你可以改变'max_iter'如果花费太多时间。 'max_iter = -1'可以让它无限期地转向 – MMF
'''理论上libsvm保证会聚。因此，这意味着您正在处理病态情况（例如太大/太小的参数），因此会出现数值困难。[来自libsvm faq（SVC的核心算法）]（https：//www.csie.ntu .edu.tw /〜cjlin/LIBSVM /的faq.html）。你的行为是常见的，因为一些参数倾向于使用更多的支持向量，这会对性能产生一些影响！另外：优化本身正在使用启发式加速收敛，有时可以很好地工作，有时不会（再次：params）。 – sascha