Scikit-learn（SVC估計器）始終給出相同的預測值

我正在做一個有監督學習的任務。我有兩組數據 - 訓練和測試。Scikit-learn（SVC估計器）始終給出相同的預測值

我的訓練數據集大約有2000條記錄。我的測試數據有10條記錄。
當我運行以下代碼時，預測函數給出與輸出相同的值。

我不知道我做錯了......我試圖改變γ和C.仍然沒有運氣的價值..

我想知道如果這樣的：

必須做與數據（訓練集大小）或
我只是使用錯誤估計器或
我的代碼是亂了？

下面是完整的Python代碼：

import pandas as pd 

    training_data = pd.read_csv("Train_wo_Header.csv") #I read my training data set 
    data = training_data.ix[:,[0,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31]] #picking up all rows expect index 2, which is my output 
    target = training_data.ix[:,[2]] 


    from sklearn import svm #Code from the URL above 
    clf = svm.SVC(gamma=0.001, C=100.) 
    clf.fit(data,target) 

    test_data = pd.read_csv("test_wo_Header.csv") #this is my test data 

    clf.predict(test_data[-10:]) #predicting the last 10 values

這裏是輸出：

array([7734, 7734, 7734, 7734, 7734, 7734, 7734, 7734, 7734, 7734], dtype=int64)

我甚至使用LinearSVC嘗試。仍然沒有運氣。唯一的區別是，預測輸出爲不同的值（9240），但在整個一樣的...

來源

2016-04-09 Sudhendu Pandey

1.重新設置您的數據（StandardScaler）2.增加C到1e5，檢查其他伽瑪值 – lejlot

我dd 2和3.現在它給了我一個不同的值（接近我的最終結果），但問題仍然存在停留：我得到相同的輸出..你認爲這是因爲沒有做step.1？ –

是的，第1步是必不可少的。如果您的數據未縮放，則合理行爲所需的C和G值可能會超出浮動範圍 – lejlot

總是給相同的輸出可以有2個原因：

您的模型過度擬合（不平衡數據集？）
你沒有給予正確的數據模型

您似乎沒有您的熊貓數據幀轉換爲numpy的陣列，嘗試

clf = svm.SVC()  
X = data.values 
Y = target.values 
assert len(X) == len(Y) 

clf.fit(X,Y) 
print clf.score(X,Y)

對您的測試數據做同樣的事情，並嘗試至少打印數據的形狀和陣列的一個元素。

來源

2016-04-11 21:18:48 dooms

Scikit-learn（SVC估計器）始終給出相同的預測值

回答

相關問題