我想将动态时间规整和支持向量机结合起来用作分类器。我使用的是 Accord .net，但我的代码似乎有些问题，以下是我的代码：

        double[][] inputs = new double[100][];        for(int i = 0; i < linesX.Length; i++)        {            inputs[i] = Array.ConvertAll(linesX[i].Split(','), Double.Parse);        }        int[] outputs = Array.ConvertAll(linesY, s => int.Parse(s));             // 创建顺序最小优化学习算法        var smo = new MulticlassSupportVectorLearning<DynamicTimeWarping>()        {            // 设置核函数的参数            Kernel = new DynamicTimeWarping(alpha: 1, degree: 1)        };        // 使用它来学习一个机器！        var svm = smo.Learn(inputs, outputs);        // 现在我们可以计算预测值        int[] predicted = svm.Decide(inputs);        // 并检查与预期值的差距        double error = new ZeroOneLoss(outputs).Loss(predicted); 

我的输入是 (100,800)，输出是 (100,1)，在这一行会出现异常：var svm = smo.Learn(inputs, outputs);异常是 “System.AggregateException” 发生在 Accord.MachineLearning.dll我的代码哪里出了问题？

回答：

请参考正确的设置 这里。你没有分配 Learner 属性。

这是我修改后的代码，包含了一些随机输入数据：

    static void Main(string[] args)    {        Random r = new Random();        double[][] inputs = new double[10][];        int[] outputs = new int[10];        for (int i = 0; i < 10; i++)        {            inputs[i] = new double[8];            for (int j = 0; j < 8; j++)            {                inputs[i][j] = r.Next(1, 100);            }            outputs[i] = r.Next(1, 6);        }        var smo = new MulticlassSupportVectorLearning<DynamicTimeWarping>()        {            Learner = (param) => new SequentialMinimalOptimization<DynamicTimeWarping>()            {                Kernel = new DynamicTimeWarping(alpha: 1, degree: 1),            }        };        var svm = smo.Learn(inputs, outputs);        int[] predicted = svm.Decide(inputs);        double error = new ZeroOneLoss(outputs).Loss(predicted);        Console.WriteLine();        Console.WriteLine("output = \n{0}", Matrix.ToString(outputs));        Console.WriteLine();        Console.WriteLine("predicted = \n{0}", Matrix.ToString(predicted));        Console.WriteLine();        Console.WriteLine("error = {0}", error);        Console.ReadLine();    }

这将产生类似这样的结果：

output =2 3 1 2 1 2 2 3 5 1predicted =2 1 1 2 1 2 2 2 2 1error = 0.3