返回信息流我用libsvm来做分类；
经过scaling、cross validation 、train然后对测试数据也做了和train数据相一致的scaling，结果预测分类竟然只有8%的准确率？
在cross validation时候最优值是67%，这个数据应该能靠谱的推断在开放性测试时结果不会低到8%吧？
大牛们有什么原因推测吗？
我共有25个类别，类别间有些重叠；样本数据基本是均衡的
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #7489同步于 2010/10/22
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
svm分类结果只有8%？
jingang1016
2010/10/22镜像同步7 回复
订阅后，新回复会通过你的通知中心匿名送达。
7 条回复
类别体系应该是没有问题的，采用KNN算法能获得70%左右的准确率
，svm算法交叉验证中最好结果是67%，但是在开放测试中结果很差；
同时，问下，scaling时候是逐个特征值的线性映射对吧？
好高深。。。
【 在 jingang1016 (哈哈) 的大作中提到: 】
: 类别体系应该是没有问题的，采用KNN算法能获得70%左右的准确率
: ，svm算法交叉验证中最好结果是67%，但是在开放测试中结果很差；
: 同时，问下，scaling时候是逐个特征值的线性映射对吧？
: ...................
libsvm自带的scaling是简单的range scaling,最大减最小除以range这种
【 在 jingang1016 (哈哈) 的大作中提到: 】
: 类别体系应该是没有问题的，采用KNN算法能获得70%左右的准确率
: ，svm算法交叉验证中最好结果是67%，但是在开放测试中结果很差；
: 同时，问下，scaling时候是逐个特征值的线性映射对吧？
: ...................
相同的情况，同样的train代入，结果各不相同，40%~90%不等，迷惑修改中。。。不知道怎么办。试着改相关参数值。盼指教啊。。。
【 在 jingang1016 的大作中提到: 】
: 我用libsvm来做分类；
: 经过scaling、cross validation 、train然后对测试数据也做了和train数据相一致的scaling，结果预测分类竟然只有8%的准确率？
: 在cross validation时候最优值是67%，这个数据应该能靠谱的推断在开放性测试时结果不会低到8%吧？
: ...................
1,你的准确率是根据ground truth 自己算的还是libsvm的predict的直接输出?
如果是libsvm的predict的输出结果，是根据你对testing data的label有关，检查一下label是否跟ground truth一致。
2,你采用的什么策略的多分类？对于输出做统一的归一化，然后再做decision
【 在 jingang1016 的大作中提到: 】
: 我用libsvm来做分类；
: 经过scaling、cross validation 、train然后对测试数据也做了和train数据相一致的scaling，结果预测分类竟然只有8%的准确率？
: 在cross validation时候最优值是67%，这个数据应该能靠谱的推断在开放性测试时结果不会低到8%吧？
: ...................