问题描述
我正在尝试学习线性SVC在SVM中的工作方式，并为此尝试通过对不同参数进行训练和测试来复制一个简单的实验。问题是我似乎无法理解我如何使用我的数据来训练和测试线性SVC算法。基本上，我想做的是将图像识别与Linear SVC结合使用。
我有5个来自5个不同人物的相框，每个图片有22个特征。我的目标是简单地获得图像的训练率，我的问题是我获得100％的率，而当我期望某种程度的大约80％或更少时，我想知道如何才能达到适当的识别率？ >
import sklearn
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn import metrics
dataset = np.asarray(data)
target = np.asarray([1]*5 + [2]*5 + [3]*5 + [4]*5 + [5]*5)
svc_1 = SVC(kernel='linear')
X_train,X_test,y_train,y_test = train_test_split(
dataset,target,test_size=0.35,random_state=0)
def train_and_evaluate(clf,X_train,y_test):
clf.fit(X_train,y_train)
print ("Accuracy on training set:")
print (clf.score(X_train,y_train))
print ("Accuracy on testing set:")
print (clf.score(X_test,y_test))
y_pred = clf.predict(X_test)
print ("Classification Report:")
print (metrics.classification_report(y_test,y_pred))
print ("Confusion Matrix:")
print (metrics.confusion_matrix(y_test,y_pred))
train_and_evaluate(svc_1,y_test)
这是我的代码，为了保存可视化效果，我将25x22矩阵上传到了pastebin：https://pastebin.com/6hL6Dign
这是我的输出：
Accuracy on training set:
1.0
Accuracy on testing set:
1.0
Classification Report:
precision recall f1-score support
1 1.00 1.00 1.00 1
2 1.00 1.00 1.00 1
3 1.00 1.00 1.00 1
4 1.00 1.00 1.00 3
5 1.00 1.00 1.00 3
accuracy 1.00 9
macro avg 1.00 1.00 1.00 9
weighted avg 1.00 1.00 1.00 9
简而言之，我想做的是降低比率，因为我减少了数据集中的行数或/和列数，但是我一直保持100％的状态
解决方法
问题是-您的数据集在5个类之间确实分开了。
线索1-目标洗牌
改组目标会导致准确性下降。尝试在目标定义之后添加：
random.shuffle(target) # Requires `import shuffle`
线索2-PCA
我使用principal component analysis (PCA)通过简化为两个功能来可视化您的数据：
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
pca = PCA(n_components=2)
pca_res = pca.fit_transform(data)
plt.scatter(pca_res[:,0],pca_res[:,1],color=list(map(' rgbyc'.__getitem__,target)))
结果：
似乎很明显，这些类之间的分离很好-组内方差比组间方差小得多。显然，即使样本量很小，SVC也不难检测出正确的测试集类别。
修改
似乎甚至不需要PCA。单个特征（例如第二个特征）产生100％的分离。尝试使用以下代码进行编码：
dataset = np.asarray(data)[:,1:2]
并具有可视化功能：
import seaborn as sns
sns.boxplot(x=target,y=dataset[:,1]) # Original dataset used here
结果：
