CVXPY求解标准SVM对偶问题时出现目标函数非DCP错误

错误原因分析 #

出现DCPError的核心原因是目标函数的二次项写法不符合CVXPY的DCP规则：CVXPY要求二次型必须通过cp.quad_form明确声明为变量的二次形式，直接用链式矩阵乘法（w.T @ X @ X.T @ w）会导致工具无法正确识别该项的凸性/凹性，从而违反DCP规范。

修正后的代码 #

先预计算线性核对应的二次型矩阵，再用cp.quad_form重构目标函数：

import cvxpy as cp
import numpy as np
import pandas as pd

# 假设df已加载，n为样本数量
n = len(df)

# 预计算y_i*x_i的矩阵
X_mat = np.einsum("j,jk->jk", df["y"].to_numpy(), df[["x1", "x2"]].to_numpy())
# 计算二次型矩阵Q（线性核下为X_mat @ X_mat.T）
Q = X_mat @ X_mat.T

# 定义变量与参数
w = cp.Variable(n)
ones = cp.Parameter(n, value=np.ones(n))
y = cp.Parameter(n, value=df["y"].to_numpy())

# 用cp.quad_form重构符合DCP规则的目标函数
obj = cp.Maximize(-0.5 * cp.quad_form(w, Q) + ones.T @ w)
constraints = [
    w >= 0,
    w <= ones,
    cp.sum(cp.multiply(w, y)) == 0
]

prob = cp.Problem(obj, constraints)
prob.solve()

关键修正说明 #

• 提前计算对称矩阵Q = X_mat @ X_mat.T，通过cp.quad_form(w, Q)声明二次项，这是CVXPY识别合法二次型的标准方式，完全符合DCP规则。
• 约束中的cp.sum(cp.multiply(w, y)) == 0与原w.T @ y ==0等价，写法更直观，也能避免潜在的矩阵维度识别问题。
• 线性核下的Q天然对称，满足cp.quad_form对矩阵的要求，确保二次项的凹性能被CVXPY验证（目标是最大化，二次项需为凹函数）。

内容的提问来源于stack exchange，提问作者Light