当我使用完全相同的数据训练支持向量机（SVM）进行分类时，我发现根据输入的顺序得到的结果不同，即如果我对数据进行洗牌，我会得到不同的SVM模型。

如果我正确理解了理论，无论输入的顺序如何，SVM的解决方案都应该是相同的，那么为什么我会得到不同的结果呢？SVM的实现中是否有某些“细节”导致洗牌会改变解决方案？我已经多次检查了我的代码，因为我觉得这很可疑。

我使用的是OpenCV中的SVM实现。

编辑： 在这种情况下，洗牌指的是改变数据点的顺序，而不是特征的顺序。

回答：

我不熟悉OpenCV的实现。但是你可以这样做：在完全相同的数据集上运行多次试验——不进行洗牌，保持相同的顺序和相同的数据点。看看SVM是否会发生变化。显然，理论上不应该发生变化。但也可能是实现中某个小的随机化步骤导致相同的输入产生不同的输出。

编辑：正如Chris A.所问，洗牌后特征向量是否仍然对应其正确的标签？如果不是，这显然会破坏你的结果。