Sklearn SVM預測值相同

這是我實施OCR爲號。Sklearn SVM預測值相同

#mix the dataset 
dataset=np.delete(dataset,0,0) 
lable=np.delete(lable,0) 
X=dataset.shape[0] 
l=range(X) 
np.random.shuffle(l) 


sampleing=np.zeros(32*32) 
lableing=np.zeros(1) 

for x in l: 
    sampleing=np.vstack((sampleing,dataset[x])) 
    lableing=np.hstack((lableing,lable[x])) 

sampleing=np.delete(sampleing,0,0) 
lableing=np.delete(lableing,0) 
x=sampleing.shape[0] 
train=sampleing[0:int(x*0.8)] 
train_lableing=lableing[0:int(x*0.8)] 
test=sampleing[int(x*0.8):] 
test_lableing=lableing[int(x*0.8):] 

clf=svm.SVC(gamma=0.001, C=100.) 

print clf.fit(train,train_lableing) 
predict=clf.predict(test) 
print classification_report(test_lableing,predict) 

print predict

這是我的輸出

 precision recall f1-score support 

     0  0.00  0.00  0.00   9 
     1  0.00  0.00  0.00  14 
     2  0.00  0.00  0.00   6 
     3  0.00  0.00  0.00   5 
     4  0.00  0.00  0.00   4 
     5  0.00  0.00  0.00   3 
     6  0.00  0.00  0.00  10 
     7  0.00  0.00  0.00  12 
     8  0.17  1.00  0.29  15 
     9  0.00  0.00  0.00  10

平均/總0.03 0.17 0.05 88

['8'8'8'8'8'8「8 ' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8'' 8「8」8「8」8「8」8「8」8「8」8「8」8「8」8「 '8''8 ' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' '8' 「8」8「8」8「8」8「8」8「8」8「8」8「8」8「8」8「]

爲什麼我得到相同的預測值。我通過隨機培訓和測試數據我曾嘗試調試，但我沒有發現我的code.please幫助中的任何問題。

來源

2014-03-02 madan ram

這可能是因爲數據集數量很少（功能）.SVC可以很好地處理大型數據集。嘗試使用LinerSVC這應該可以解決問題。

來源

2014-04-06 13:18:47

Sklearn SVM預測值相同

回答

相關問題