Matlab 训练的集合协方差矩阵必须是正定的

我知道这个问题已经被问过好几次了，但我找不到解决问题的办法

我没有比观察值更多的变量，我的矩阵中也没有

NAN

值。以下是我的功能：

function [ind, idx_ran] = fselect(features_f, class_f, dir)

idx = linspace(1,size(features_f, 2), size(features_f, 2));

idx_ran = idx(:,randperm(size(features_f, 2)));

features_t_ran = features_f(:,idx_ran); % randomize colums

len = length(class_f);

r = randi(len, [1, round(len*0.15)]);

x = features_t_ran;
y = class_f;

xtrain = x;
ytrain = y;

xtrain(r,:) = [];
ytrain(r,:) = [];

xtest = x(r,:);
ytest = y(r,:);

f = @(xtrain, ytrain, xtest, ytest)(sum(~strcmp(ytest, classify(xtest, xtrain, ytrain))));
fs = sequentialfs(f, x, y, 'direction', dir);

ind = find(fs < 1);

end

这里是错误

Error using crossval>evalFun (line 465)
The function
'@(xtrain,ytrain,xtest,ytest)(sum(~strcmp(ytest,classify(xtest,xtrain,ytrain))))' generated
the following error:
The pooled covariance matrix of TRAINING must be positive definite.

Error in crossval>getFuncVal (line 482)
funResult = evalFun(funorStr,arg(:));

Error in crossval (line 324)
    funResult = getFuncVal(1, nData, cvp, data, funorStr, []);

Error in sequentialfs>callfun (line 485)
    funResult = crossval(fun,x,other_data{:},...

Error in sequentialfs (line 353)
                crit(k) = callfun(fun,x,other_data,cv,mcreps,ParOptions);

Error in fselect (line 26)
fs = sequentialfs(f, x, y, 'direction', dir);

Error in workflow_forward (line 31)
    [ind, idx_ran] = fselect(features_f, class_f, 'forward');

---

这是昨天的工作/

如果您检查函数

分类

，您会发现错误是在程序检查通过训练矩阵的QR分解获得的矩阵R的条件编号时产生的。换句话说，它对您提供的培训矩阵不满意。它发现该矩阵是病态的，因此任何解都是不稳定的（该函数执行与矩阵求逆等价的操作，这将导致与病态训练矩阵的极小数除等价）

似乎通过缩小训练集的大小，稳定性降低了。我的建议是尽可能使用更大的训练集

编辑

---

你可能想知道，为什么观察值比变量多，但仍然存在病态问题。答案是，不同的观测值可以是彼此的线性组合

如果您检查函数

分类

，您会发现错误是在程序检查通过训练矩阵的QR分解获得的矩阵R的条件编号时产生的。换句话说，它对您提供的培训矩阵不满意。它发现该矩阵是病态的，因此任何解都是不稳定的（该函数执行与矩阵求逆等价的操作，这将导致与病态训练矩阵的极小数除等价）

似乎通过缩小训练集的大小，稳定性降低了。我的建议是尽可能使用更大的训练集

编辑

---

你可能想知道，为什么观察值比变量多，但仍然存在病态问题。答案是，不同的观测值可以是彼此的线性组合

如果它昨天起作用，你改变了什么？@TryHard在我的x之前是3988x42而不是3532x42。如果它昨天起作用，你改变了什么？@TryHard在我的x之前是3988x42而不是3532x42。

Error using crossval>evalFun (line 465)
The function
'@(xtrain,ytrain,xtest,ytest)(sum(~strcmp(ytest,classify(xtest,xtrain,ytrain))))' generated
the following error:
The pooled covariance matrix of TRAINING must be positive definite.

Error in crossval>getFuncVal (line 482)
funResult = evalFun(funorStr,arg(:));

Error in crossval (line 324)
    funResult = getFuncVal(1, nData, cvp, data, funorStr, []);

Error in sequentialfs>callfun (line 485)
    funResult = crossval(fun,x,other_data{:},...

Error in sequentialfs (line 353)
                crit(k) = callfun(fun,x,other_data,cv,mcreps,ParOptions);

Error in fselect (line 26)
fs = sequentialfs(f, x, y, 'direction', dir);

Error in workflow_forward (line 31)
    [ind, idx_ran] = fselect(features_f, class_f, 'forward');