machine-learning - libsvm 100% 准确度

Question

我正在使用 libSVM(带有线性内核)训练和交叉验证(10 倍)数据。

数据由 1800 个 fMRI 强度体素组成，表示为单个数据点。svm-train 的训练集文件中约有 88 个数据点。

训练集文件如下所示:

+1 1:0.9 2:-0.2 ... 1800:0.1

-1 1:0.6 2:0.9 ... 1800:-0.98

...

我还应该提到我正在使用 svm-train 脚本(与 libSVM 包一起提供)。

问题是，当运行 svm-train 时 - 结果是 100% 准确!

这似乎并不能反射(reflect)真实的分类结果! 自

起数据就不再不平衡

#datapoints 标记为 +1 == #datpoints 标记为 -1

我还检查了缩放器(正确缩放)，并尝试随机更改标签以查看它如何影响准确性 - 它从 100% 下降到 97.9%。

你能帮我理解这个问题吗？如果是这样，我可以做什么来解决它？

谢谢

加尔星

Answer 1

确保在 svmtrain 选项中包含 '-v 10'。我不确定你的 100% 准确性来自训练样本或验证样本。由于样本数比特征数少得多，因此很有可能获得 100% 的训练准确率。但如果您的模型存在过度拟合，验证准确性可能会较低。