1
我使用R的kernlab软件包中的ksvm函数在大量观测值（300k）上并没有很多特征（1-8）的情况下训练支持向量机。我想使用结果概率模型，但对于大型数据集，所得概率模型具有意想不到的格式。在R中使用ksvm的大型支持向量机的无效概率模型
这是应该发生什么：
n <- 1000
df <- data.frame(label=c(rep("x",n),rep("y",n)),value=c(runif(n),runif(n)+2))
m <- ksvm(label~value,df,prob.model=TRUE)
> prob.model(m)
[[1]]
[[1]]$A
[1] -6.836228
[[1]]$B
[1] 0.003163229
然而，对于n的大值（例如，100K;提防高内存使用情况和长执行时间的），的prob.model(m)[[1]]值是长度2n的数值向量，似乎在df每个观察的可能性。什么会造成这种情况？
会议信息：
R version 2.15.2 (2012-10-26)
Platform: x86_64-unknown-linux-gnu (64-bit)
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8 LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=C LC_NAME=C LC_ADDRESS=C
[10] LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] graphics grDevices datasets utils stats methods base
other attached packages:
[1] kernlab_0.9-16 e1071_1.6-1 class_7.3-5 data.table_1.8.8
loaded via a namespace (and not attached):
[1] tools_2.15.2
编辑：这是我说的是一个分类任务，df有以下形式：
label value
"x" 0.21
...
"x" -1.20
"y" 2.42
...