我在 C-SVC 模式下使用带有 2 次多项式内核的 libsvm，我需要训练多个 SVM。在训练期间，对于我训练的一些 SVM，我收到了其中一个甚至两个警告：
WARNING: using -h 0 may be faster
*
WARNING: reaching max number of iterations
optimization finished, #iter = 10000000
我找到了h参数的描述：
-h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
我试图从 libsvm 文档中阅读解释，但这对我来说有点太高了。任何人都可以提供一个外行的解释，也许，一些像设置这样的建议会是有益的，因为......？此外，如果为我训练的所有 SVM 设置此参数，是否会对未明确给出此警告的 SVM 的准确性产生负面影响，这将很有帮助。
我不确定如何处理另一个警告。
只是为了提供更多细节：我的训练集有 10 个属性（特征），它们由 5000 个向量组成。
更新：
如果其他人得到“达到最大迭代次数”，这似乎是由数值稳定性问题引起的。此外，这将产生非常缓慢的训练时间。多项式内核确实受益于使用交叉验证技术来确定正则化的最佳值（C 参数），并且在多项式内核的情况下，对我来说，它有助于保持它小于 8。此外，如果内核是不均匀的\sum(\gamma x_i s_i + coef0)^d （抱歉，SO 不支持 LaTeX），其中 coef0 != 0，则可以使用 gamma 和 C 的网格搜索技术来实现交叉验证，因为在这个在这种情况下，gamma (1 / number_of_features) 的默认值可能不是最佳选择。不过，从我的实验来看，你可能不希望 gamma 太大，
为了进一步了解 gamma 和 C 的可能值，应该尝试在 grid.py 中戳。