怒是不可行的

Posted 2023-02-23

【中文标题】怒是不可行的

【英文标题】：Nu is infeasible

【发布时间】：2015-01-15 05:22:53

【问题描述】：

我在 sklearn 中使用 NuSVC 类。尝试按如下方式实例化 NuSVC 对象后：

self.classifier = OneVsRestClassifier(NuSVC())

我发现我反复收到“指定的 nu 不可行”错误。我尝试将“nu”参数从 0.1 一直更改为 1。（以 0.1 为增量），但我一直收到相同的错误。我真的不确定如何解释此消息，以及如何解决它？我想如果我将 nu 设置为 1，它会起作用，因为 nu 代表了我认为应该始终成立的训练错误分数的上限。这可能是什么原因造成的？

感谢您的帮助！

【参考方案1】：

为了完整起见，from the documentation：Nu-SVM 是 SVM 的受约束公式（相当于重新参数化的原始公式），它对允许的错误分类提出了严格的限制。如果不能满足这个界限，那么相关的凸优化问题就变得不可行。

从这个角度来看，您必须调查的第一件事是您真正可以预期多少训练错误，并可能修改您的假设。在 C 值的网格中搜索标准 SVM 以进行检查。

不过，NuSVC 应该适用于一些严格小于 1 的值。根据您的描述，您已经尝试了 0.9 -- 开始添加 9，即 0.99、0.999。如果它在某些时候不起作用，那么一定是某个地方存在另一个问题。

【讨论】：

从文档中，nu 也是支持向量分数的下限。当我在具有 20% 正例的训练集上遇到这个问题时，我不得不将 nu 从 0.5 降低到 0.2，否则将训练集重新采样为 50% 正例。提高 nu 不起作用。

感谢您指出这一点。为了完整起见，您是否参考了说明的位置？

在上述答案链接的api参考中有说明。