svmclassify matlab中的下标索引必须是真正的正整数或逻辑答案

【问题标题】：Subscript indices must either be real positive integers or logicals in svmclassify matlabsvmclassify matlab中的下标索引必须是真正的正整数或逻辑
【发布时间】：2016-02-14 00:46:19
【问题描述】：

我正在使用 matlab 的 svm 分类功能。我的训练和测试数据具有以下维度：

>> size(TrainV)

ans =  

   99192         705

>> size(TestV)

ans =

246   705

我有一个函数可以用 10 个类（45 个二元分类器）训练一对一分类。可以通过调用下面的函数来训练模型：

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

我正在发送特征向量 (TrainV(:, 2:end)) 和标签 (TrainV(:, 1))，并且我要求模型为 45 个分类器 (10) 训练配对组合。该功能运行正常，训练后我可以获得以下信息。例如，我将展示第 3 个和第 45 个二元分类器的模型。

> 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特征向量进行分类时，例如，对于第一个二元分类器。

>>         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),:);

可能是什么问题？当我将相同的分类程序应用于以另一种方式提取的特征向量时，不会发生此问题。

【问题讨论】：

有什么方法可以上传一些重现错误的数据以及可以运行的代码吗？这个错误对我来说听起来很具体，所以除非有人以前遇到过完全相同的错误，否则我认为没有人可以帮助你。
能否提供models(1)的输出？
请同时尝试“dbstop if error”以在错误发生时停止，您可以检查尺寸。
我在这里意识到我的下雨/测试矩阵是复数的。这有什么问题吗？
@mad 看你应该先提供关于我们 cmets 的反馈。这只是礼貌。

标签： matlab svm

【解决方案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 变得复杂，并且如错误消息所述，复杂值不能用于索引。

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是真实的假设。人工神经网络、回归树、支持向量机等。尽管在某些情况下可能会有一些扩展。

【讨论】：

错误是关于索引，而不是关于特征，对吧？
@AnderBiguri 问题的根源在于复杂的特征，这会导致后面在 svmclassify 中出现复杂的索引。
为什么都是否定的？尝试将复杂数据传递给 smvclassify，您会收到该消息。
你应该详细说明一下，因为你给出的答案看起来你完全误解了这个问题。
问题出在特征向量的生成上。有些值很复杂。它们必须是真实的。感谢您的帮助。