使用cvxopt触发ArithmeticError及Rank(A)<p报错的排查方案

问题背景 #

我是Python初学者，将网上公开的现成Positive-unlabeled（正例-无标记，简称PU）学习工具包应用到自有数据集上，此前代码运行一直正常，近期首次出现报错。

核心报错信息 #

报错最先在cvxopt的Cholesky分解环节触发算术错误，最终抛出秩不足的取值错误：

ArithmeticError: 1090
ArithmeticError: 26
ValueError: Rank(A) < p or Rank([P; A; G]) < n

从调用栈看，报错触发路径为：rolling_window_collection() → train_and_val() → wrapper_ramaswamy()（Ramaswamy方法做PU类先验c估计）→ get_distance_curve() → find_nearest_valid_distribution() → cvxopt.solvers.coneqp()（锥规划求解）。

可能诱因 #

代码此前能正常运行、突发报错，常见诱因有以下几类：

• 数据集切分结果退化：滚动窗口切分后某一批次训练数据存在常量特征列、大量重复样本、正例样本量过少（<3个）、正例与无标记样本特征完全重合等问题，导致计算得到的RBF核矩阵奇异、不满秩。
• 依赖版本变动：近期更新过cvxopt、numpy、scipy等底层数值计算库，新版本LAPACK求解器对矩阵奇异性的容忍阈值收紧，此前版本可正常求解的病态矩阵现在直接判定分解失败。
• 核宽计算异常：compute_best_rbf_kernel_width输出的最优核宽为0或无穷大，导致生成的核矩阵所有元素取值完全一致，矩阵秩为1，无法满足求解要求。
• 数值稳定性不足：原代码未给核矩阵加对角正则项，浮点计算误差累积会导致本应满秩的矩阵变成奇异矩阵。

排查与修复方案 #

按排查成本从低到高排序，依次操作即可：

1. 优先校验输入数据
   • 定位触发报错的训练批次，统计该批次正例样本量，若正例数少于3，直接调整滚动窗口步长、扩大窗口范围，保证单批次正例样本量不低于5。
   • 剔除该批次内取值完全恒定的特征列、删除完全重复的样本，对取值量级差异过大的特征提前做标准化/归一化处理。
2. 给核矩阵加对角正则提升数值稳定性
   打开Kernel_MPE_grad_threshold.py，找到find_nearest_valid_distribution函数，构造二次型矩阵P时添加极小的对角正则项，修改示例：

   # 找到原有构造P的代码，替换为以下逻辑
   n = kernel.shape[0]
   reg = 1e-6  # 极小正则项，不影响求解精度，仅保证矩阵正定
   P = matrix(2 * (kernel + reg * np.eye(n)))
   

3. 校验核宽计算结果
   在compute_best_rbf_kernel_width返回结果后增加判断逻辑，若输出核宽小于1e-6或大于1e6，直接手动指定核宽（可取该批次样本两两欧氏距离的中位数），避免核矩阵退化。
4. 回退依赖版本
   若报错出现在更新Python包之后，直接回退cvxopt到此前正常运行的版本，示例命令：

   pip install cvxopt==1.2.7 --force-reinstall
   

5. 调整求解器容错参数
   在调用solvers.coneqp前设置求解器容忍参数，适当降低精度要求：

   solvers.options['show_progress'] = False
   solvers.options['feastol'] = 1e-5
   solvers.options['abstol'] = 1e-5
   solvers.options['reltol'] = 1e-5
   

注：这类突发报错90%以上由单批次数据退化导致，优先排查数据问题，无需一开始就修改求解器逻辑。

内容的提问来源于stack exchange，提问作者Lexi