多類分類中 Scikit SVM 的輸出總是給出相同的標籤

我目前正在使用 Scikit learn 和以下代碼：

clf = svm.SVC(C=1.0, tol=1e-10, cache_size=600, kernel='rbf', gamma=0.0, 
             class_weight='auto')

然後對一組具有 7 個不同標籤的數據進行擬合和預測。我得到了一個奇怪的輸出。無論我使用哪種交叉驗證技術，驗證集上的預測標籤總是標籤 7。

我嘗試了一些其他參數，包括完整的默認參數 ( svm.SVC())，但只要我使用的內核方法是rbf而不是，poly否則linear它就不起作用，而它對polyand非常有效linear。

此外，我已經嘗試過對訓練數據而不是驗證數據進行預測，它非常適合。

有沒有人以前見過這種問題並且知道這裡發生了什麼？

我從不詳細查看我的班級分佈，但我知道應該是 30% 左右是 7，14% 是 4。

我什至嘗試了手動 1-vs-rest 實現，但仍然沒有幫助。

一個可能的原因是您沒有調整模型。你需要找到好的價值觀和. 在您的情況下，默認值結果很糟糕，這導致了總是產生某個類的瑣碎模型。如果一個類的實例比其他類多得多，這尤其常見。你的班級分佈是什麼？

scikit-learn 的超參數搜索功能有限，但您可以將它與像Optunity這樣的調優庫一起使用。此處提供了有關使用 Optunity 調整 scikit-learn SVC 的示例。

免責聲明：我是 Optunity 的首席開發人員。

引用自：https://stats.stackexchange.com/questions/125353