machine-learning - 为什么支持向量的个数为零?

标签 machine-learning svm libsvm

我使用libsvm工具进行分类。但是支持向量的数量却为零,这意味着不存在支持向量。为什么?这意味着什么?主要原因是什么?

最佳答案

这意味着,用于训练的参数和数据导致了平凡的模型(始终等于其中一个类)。那么最可能的原因是什么?

  • SVM 参数选择错误(Cgammalevel,具体取决于所使用的内核)
  • 数据错误(不一致,请检查您输入的 XY 矩阵到底是什么)

关于machine-learning - 为什么支持向量的个数为零?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20947792/

相关文章:

python - Keras:处理自定义 PIL 逊相关指标的批量大小维度

python - 无法在 Keras 中使用 VGG19 预测单个图像的标签

tensorflow - 为什么验证损失和准确性波动如此之大?

python - pySpark如何访问(键,元组)RDD中元组中的值(python)

r - 概率分类 - R

machine-learning - 用于不平衡二元分类的过采样数据的过程

python - ValueError : This solver needs samples of at least 2 classes in the data, 但数据只包含一个类 : 1. 0

matlab - Matlab中Libsvm SVR训练的数据格式

java - 在 Java 代码中使用 libsvm 在移动设备中执行预测

java - 移植包括状态的 Java 对象(经过训练的 LIBSVM)