Невозможно понять матрицу путаницы, возвращаемую SVM

Question

Я пытаюсь понять, почему классификатор SVM не может правильно классифицировать мои данные.Я представил 10 образцов XX только из 2000 образцов моих исходных данных.Я не могу понять смысл путаницы, возвращенной Matlab.Я использовал классификатор SVM.Мой код неверен, особенно то, как я выполнял перекрестную проверку?

XX нормализуется до X, а Y является меткой.Каждый вектор признаков имеет длину 8.

** Вопрос **) Может кто-нибудь помочь, пожалуйста, как решить эту проблему?

             pred 0   pred 1
  actual 0    100       0
  actual 1    100       0

Спасибо

Answer 1

У вас есть:

1. несбалансированный набор данных (7 и 3 выборки),
2. 8-мерное пространство признаков и только 7 и 3 выборки, которых очень малочтобы заполнить его (см. проклятие размерности), и
3. вы используете только половину этих образцов для обучения, что означает, что вы еще дальше от заполнения пространства объектов.

Таким образом, я не удивлен, что обобщение, которое придумал SVM, состоит в том, чтобы классифицировать все как «класс 0».

Попробуйте использовать только одну из функций (первый столбец XX), и используйте отпускодносторонняя перекрестная проверка.