Я обучил SVM, который принимает два числа [1,2] и метку 0/1, которая является двоичной системой классификации.
Поэтому, когда я тренируюсь, у меня есть два набора данных: поезд и набор проверки. Эта модель отлично подходит для обоих, как и ожидалось. Затем я пробую его на наборе данных, который не используется при обучении / проверке (набор тестов), и он довольно хорошо справляется с матрицей путаницы. Чуть больше ложных срабатываний, чем хотелось бы, но все еще в приемлемых пределах.
Но когда я пытаюсь сделать это с новым единственным входом, это дает мне те же результаты, несмотря ни на что. Это всегда то же самое.
Так вот, что я делаю # Это просто дает мне такие числа, как 0.0002346 и 0.00056733.
Это приведет к двум массивам [порог, 0 или 1], которые оба одинаковы, даже если числа очень разные. Я провел некоторое тестирование и обнаружил, что оно изменится, если числа будут 0,000001 и 0,000002, и тогда он узнает разницу между числами, но все, что выше 0,000002, будет тем же числом. Но я знаю, что в моих тренировочных данных никогда не было 0,000002, так как главное число - от 0,0002 <-> 0,0005.
Я немного растерялся из-за того, что с этим не так.