我正在使用libsvm的Python接口，我注意到在使用网格搜索选择最佳C和gamma参数（RBF内核）后，我训练模型时并交叉验证（5倍，如果相关），我收到的准确度与我的训练数据集中的标签比例相同。
我有3947个样本，其中2898个标签为-1，其余的标签为1.因此，这是样本的73.4229％。
当我训练模型并交叉验证它5次时，这就是我得到的 -
optimization finished, #iter = 1529
nu = 0.531517 obj = -209.738688,
rho = 0.997250 nSV = 1847, nBSV = 1534
Total nSV = 1847
Cross Validation Accuracy = 73.4229%
这是否意味着SVM没有考虑这些功能？或者这是有问题的数据？它们都是相关的吗？我只是无法通过73.4229号码。此外，支持向量的数量应该远小于数据集的大小，但在这种情况下，似乎并非如此。
一般来说，当交叉验证精度与数据集中标签的比率相同时，它意味着什么？
答案 0 :(得分：6)
您的数据集是不平衡的，这意味着很大一部分属于同一类。这导致了所谓的默认或多数类分类器，其中通过简单地将所有内容分类为多数类的一部分来实现高精度。所以你是对的，因为数据不考虑这些功能。
libsvm README建议改变惩罚权重来处理这个问题。这是一个相关的问题：https://stats.stackexchange.com/questions/20948/best-way-to-handle-unbalanced-multiclass-dataset-with-svm
有关不平衡数据的详细信息，请参阅A User's Guide to Support Vector Machines的第7节。