爲什麼SVMLite會以很少的訓練輸入來分類？

Question

我使用SVM Light對用OpenCV處理的圖像進行分類。圖像製作成黑白，模糊一點，而來自opencv的HOG檢測器用於創建一個特徵向量，其中帶有標記爲1的正像和具有-1的負像的向量。當我在7個正面和7個負面過程圖像上運行SVMLight火車文件時，它會錯誤分類7個負面文件中的4個。

但是，在較大的輸入下，它訓練時沒有錯誤分類。有誰知道爲什麼這可能是這種情況？

Correctly classifying negative images with a larger training input

Misclassifying 4 of 7 negative images while training

Answer 1

這是一般支持向量機的缺點之一。例如在scikit學習documentation，它提到：

支持向量機的缺點包括：

• 如果要素的數量比樣本的數量大得多，該方法可能表現糟糕。