我正在libSVM使用Python。
我觉得这个问题。
在使用无序索引列车数据时，我得到了不期望的结果。
例如，某些未归类的文章的操作集的结果都是相同的，例如：
[1,1,1,1,1，...，1]
这是火车数据的一部分。
4 133：1 25806：1 85：1 107：1 25806：1 12337：1 136：1 16943：1 15259：1 34：1 2019：1 173：1 1070：1 71：1 357：1 5518 ：1 178：1 179：1 5：1 12337：1 120：1 39912：1 120：1 2019：1 173：1 1070：1 71：1 357：1 5518：1 178：1 179：1 5：1 12337：1 6409：1 87：1 189：1 6410：1 133：1 25806：1 85：1 107：1 25806：1 12337：1 136：1 16943：1 15259：1 34：1 2019：1 173： 1 1070：1 71：1 357：1 5518：1 178：1 179：1 5：1 12337：1 120：1 39912：1 1771：1 9：1 10：1 11：1 43188：1 27：1 6707 ：1 173：1 15：1 883：1 29：1 67：1 698：1 58：1 25806：1 5462：1 5511：1 34：1 16943：1 15259：1 224：1 128：1 167：1 312：1 1062：1 4140：1 184：1 71：1 357：1 193：1 907：1 167：1 698：1 564：1 11：1 1149：1 34：1 30261：1 10899：1 217： 1 860：1 58：1 276：1 5：1 6088：1 398：1 177：1 178：1 179：1 5：1 25806：1 29：1 181：1 84：1 12337：1 84：1 58 ：1 665：1 357：1 897：1 650：1 178：1 4：1 5：1 1195：1 29：1 80：1 17：1 186：1 10：1 11：1 7495：1 167：1 22073：1 5：1 230：1 29：1 179：1 51：1 1874：1 167：1 22073：1 5：1 230：1 17：1 179：1 80：1 867：1 15：1 324： 1 185：1 350：1 2914：1 5：1 84：1 39912：1
根据上述数据，您可以了解索引未订购。
我认为这是问题所在。这种情况还有其他原因吗？
PS。火车meta（y）分发：
1 1：1 2：1 3：1 4：1 5：1 2：1 6：1 7：1 8：1 9：1 10：1 11：1 12：1 13：1 14：1 15：1 16：1 17：1 18：1 19：1 20：1 21：1 22：1 11：1 1：1 2：1 23：1 24：1 25：1 26： 1 27：1 28：1 29：1 30：1 31：1 32：1 8：1 15：1 33：1 17：1 21：1 22：1 34：1 35：1 17：1 36：1 10 ：1 11：1 37：1 33：1 38：1 39：1 40：1 41：1 42：1 43：1 44：1 45：1 46：1 47：1 32：1 48：1 49：1 50：1 15：1 16：1 45：1 51：1 52：1
2 309：1 310：1 217：1 968：1 4092：1 5：1 13544：1 32：1 13545：1 13546：1 13544：1 1064：1 13547：1 7287：1 2225：1 13548：1 2819：1 71：1 1269：1 132：1 13549：1 419：1 4698：1 87：1 6013：1 27：1 294：1 9：1 10：1 11：1 324： 1 58：1 309：1 310：1 62：1 5459：1 350：1 1460：1 15：1 6026：1 5：1 13544：1 1949：1 185：1 186：1 10：1 32：1 439 ：1 139：1
..
..
谢谢！
答案 0 :(得分：0)
理论上如果要素元素没有被排序，只要它们被正确标记就不会有问题，但是必须通过libsvm代码来确保这种行为（文档中没有任何内容禁止这样做）。
尽管如此，问题可能是类标签。在二进制分类中，训练数据应具有以下形式：
0 1:xx 4:xx 3:xx ...
0 1:xx 2:xx 9:xx ...
1 1:xx 5:xx 13:xx ...
1 2:xx 3:xx 6:xx ...
第一个数字是类标签。每个类需要或多或少相同数量的功能集才能获得最佳结果。