这是我第一次使用支持向量机。我正在尝试解决这项作业，但收到了上述错误… 代码在使用线性核和径向核时可以正常工作，但在使用多项式核时却不行，以下是我的代码：

library(e1071)test_data = #upload test data here.training_data= read.table('Digits_training.csv', sep =',', header = TRUE)y = training_data$ychosen_svm = function(y,training_data,kernel_name){  obj <- tune.svm(y~., data = training_data, gamma = 10^(-3:1), cost = 10^(-3:1), kernel = kernel_name)  gamma = obj$best.parameters$gamma  cost = obj$best.parameters$cost  model = svm(y~., data = training_data, gamma = gamma, cost = cost,  kernel = kernel_name)  return(model)}radial_svm = chosen_svm(y,training_data,'radial')lin_svm = chosen_svm(y,training_data,'linear')pol_svm = chosen_svm(y,training_data,'polynomial')

我尝试调整了gamma和cost的范围，并尝试了二次多项式，但仍然收到相同的错误信息。

您知道这是为什么吗？

回答：

这不是错误。这只是一个警告，意味着您的优化器在给定的迭代次数内没有收敛。不幸的是，e1071内部设置了一个限制… 您无法更改它

int max_iter = max(10000000, l>INT_MAX/100 ? INT_MAX : 100*l);

您可以做的是简单地更换库，例如http://r.gmum.net提供了相同的库（libsvm），但没有这个限制

https://github.com/gmum/gmum.r/blob/master/src/svm/svm.cpp（第553行）

[...]int iter = 0;// int max_iter = max(10000000, l>INT_MAX/100 ? INT_MAX : 100*l);int counter = min(l,1000)+1;while(1)[...]

我很确定许多其他库也取消了这个限制。例如，在Python的scikit-learn中，您也可以明确指定最大迭代次数（并设置-1表示没有限制）。