python - 我有一些图像数据，我正在用它训练我的 SVM 分类器，我发现支持向量全部为零。这是什么意思？

Question

这是我正在使用的代码。

nfiles=40
i=0
y=[1]*20
y.extend([-1]*20)
traindata =np.zeros((40,1024));
for im in glob.glob("/home/name/Desktop/database/20trainset/*.png "):
    img = cv2.imread(im)
    img = im2double(img)
    img = rgb2gray(img)
    traindata[i] =img.reshape((1,1024))
    i+=1

clf = svm.SVC( kernel='rbf',C=0.05)
clf.fit(traindata,y)
print clf.support_vectors_

i 用于记录文件数量。

有什么问题吗？

Answer 1

这意味着使用您的参数，最佳 SVM 不执行任何操作(构建一个简单的模型，仅回答一个标签)。

cl(x) = sign( SUM_i alpha_i y_i K(x_i, x) + b ) = sign( b ) = const.

所以，是的，有问题，因为您的模型根本不使用您的训练数据。

原因是什么？为了使用 RBF-SVM，您需要拟合两个超参数:gamma 和 C，特别是 C=0.05(可能)是幅度太小，无法正常工作。另外 - 请记住对数据进行标准化，因为图像通常表示为像素强度值 (0-255)，而 SVM 对于正态分布值效果更好。 Gamma 也必须仔细拟合(它在 scikit-learn 中的默认值是 1/特征数，因此它实际上是对一个好的值的粗略猜测，很少是一个好的值)。

作为示例，请参阅 libsvm website以及显示 C 和 gamma 值与心脏数据集上获得的精度之间关系的图