為什么svm在python和Matlab中的准確性不同？

Question

我將svm應用於數據集，並且達到了100％的精度！ 但是當我使用matlab分類器應用程序時，准確率達到了98.8％。 在他們兩個人的內核是RBF。 在python中，我使用20％的數據作為測試，並使用80％的數據作為訓練數據。 有人可以解釋嗎？

all_data = pd.read_csv('data.csv', header=0, lineterminator="\n")
all_data = shuffle(all_data,random_state= 20)
all_data = all_data.apply(LabelEncoder().fit_transform)
data = np.array(all_data.drop('g', axis=1), dtype=np.float32)
labels = np.array(all_data['g'])
train_data = data[:200]
train_lable = labels[:200]
test_data = data[200:]
test_lable = labels[200:]
class_names = [25]
clf = svm.SVC(gamma=0.001)
clf.fit(train_data, train_lable)
score = clf.score(test_data,test_lable)
print(score)

Answer 1

1. Matlab和Python的兩個庫之間可能存在一些應用程序差異。
2. SVM對浮點精度很敏感，所以我想這是由於Matlab和Python中浮點數的差異。 如果您強迫matlab以uint64的形式進行計算，則可能會找到更接近的答案。

最好在數據科學論壇上提問。