svm - libsvm 的结果只支持两个类中的一个类

Question

我的数据有一个奇怪的结果，我想知道您或其他任何人是否对此有任何见解..
我有大约 5000 个数据和大约 16000 个属性，我用每个类的 2000 个数据(我只有两个类)训练了我的 RBF svm(我在 matlab 上使用 libsvm)并用其余的数据(大约 1000 个数据)进行测试。

奇怪的是，结果的所有概率估计值都具有相同的值，因此属于一类的 100% 测试数据导致正确预测，其余 100% 导致错误，就像无论输入是什么一样，它将预测第一个类..

我尝试交叉验证以找到 RBF 的最佳参数，但准确度离 50% 不远(你可以猜到为什么，一半 100% 正确，一半 100% 错误)，最大准确度为 51.25%。

然后我尝试了线性 SVM，即使概率估计至少与以前的值不同，但结果仍然显示出相同的趋势，尽管不像以前那样 100%(一类为 97%，另一类为 4%)，所以是的，主要问题是它偏爱一个类，无论测试数据是什么。

我没有尝试过居中或缩放数据，这会有什么不同吗？

你们有什么想法吗？我真的很感激。谢谢。

Answer 1

有几件事可能会出错，但以下是您似乎缺少的主要内容:

扩展您的数据:是的，这很重要。它可以对生成的分类器的性能产生重大影响。一个很好的例子可以在 beginner's guide 中找到。由 LIBSVM 作者制作(附录 B)。确保对训练和测试数据使用相同的缩放因子。

你没有调C范围。根据您的描述，听起来像是 C太低了。这导致分类器具有非常简单的参数(alpha s)但存在大量错误分类。该指南还很好地解释了为什么以及如何完成参数调整。