下标指数必须是实际正整数，也可以是svmclassify matlab中的逻辑值。

Question

我正在使用matlab的svm分类函数。我的训练和测试数据有以下几个维度：

>> size(TrainV)

ans =  

   99192         705

>> size(TestV)

ans =

246   705

我有一个功能，训练一对一的分类与10个类别(45个二进制分类器)。可以通过调用以下函数来训练该模型：

Models = SVM_multitrain (TrainV(:, 2:end), TrainV(:, 1), 10); 

我发送特征向量(TrainV(:，2:end)和标签(TrainV(:，1))，并要求模型为45个分类器(10)训练组合。该函数运行正常，培训后我可以获得以下信息。例如，我将展示第3和第45二进制分类器的模型。

> Models(3)

ans = 

      SupportVectors: [9x704 double]
               Alpha: [9x1 double]
                Bias: -2.3927 - 0.0001i
      KernelFunction: @linear_kernel
  KernelFunctionArgs: {}
          GroupNames: [20117x1 double]
SupportVectorIndices: [9x1 double]
           ScaleData: [1x1 struct]
       FigureHandles: []

>> Models(45)

ans = 

      SupportVectors: [10x704 double]
               Alpha: [10x1 double]
                Bias: -2.7245 + 0.0000i
      KernelFunction: @linear_kernel
  KernelFunctionArgs: {}
          GroupNames: [22087x1 double]
SupportVectorIndices: [10x1 double]
           ScaleData: [1x1 struct]
       FigureHandles: []

问题是当我调用函数对一个特征向量进行分类时，例如，对于第一个二进制分类器。

>>         TestAttribBin = svmclassify(Models(1), TestV(:,2:end))
Subscript indices must either be real positive integers or logicals.

Error in svmclassify (line 140)
outclass = glevels(outclass(~unClassified),:);

有什么问题吗？当我将相同的分类过程应用于以另一种方式提取的特征向量时，这个问题不会发生。

Answer 1

此错误的可能原因是将复杂数据传递给svmclassify。svmclassify只接受真实的特征向量。实际上，将复杂数据传递给svmclassify会导致outclass是复杂的和复杂的值，因此不能像错误消息所声明的那样用于索引。

一种选择可能是将向量的虚部编码到特征中，例如，将特征向量的长度加倍。

事实上，绝大多数机器学习模型都是基于特征向量为实的假设。人工神经网络，回归树，svm等，虽然在某些情况下可能有一些扩展。