Matlab多維特征支持向量機

Question

我在Matlab中使用SVM分類器有一個小問題。 我有一個61200x59的要素矩陣，其中每一行代表從圖像中提取的一組要素（所有double值）。 所有這些功能都與包含2個標簽的61200x1矩陣相關聯：0和1（作為雙變量）。 現在，我想訓練線性分類器，並且使用了以下函數：

SVM_Model = fitcsvm(train_features, train_labels, 'KernelFunction', 'linear')

如果查看此行的詳細信息，我將得到以下結果：

SVM_Model = 
  ClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [0 1]
           ScoreTransform: 'none'
          NumObservations: 61200
                    Alpha: [40956×1 double]
                     Bias: 0.9998
         KernelParameters: [1×1 struct]
           BoxConstraints: [61200×1 double]
          ConvergenceInfo: [1×1 struct]
          IsSupportVector: [61200×1 logical]
                   Solver: 'SMO'

但是，當我在測試集上調用預測函數時（ [label, score] = predict(SVM_Model, test_features(i, :)); ），它總是預測標簽1（超過15000個測試，因此似乎有點可疑） ），並且在所有0類對象上都存在分類錯誤。 誰能告訴我可能是什么問題？ 由於SVM無法處理高維點，是否有必要重新調整功能？ 還是存在另一個問題（例如配置錯誤是SVM學習）？

Answer 1

使用HIK內核，一切正常。 同樣，使用RBF內核也可以很好地解決此問題。