我正在使用libSVM（使用线性内核）训练和交叉验证（10倍）数据。
数据包括1800个fMRI强度体素，表示为单个数据点。 svm-train的训练集文件中有大约88个数据点。
training-set-file看起来如下：
+1 1:0.9 2:-0.2 ... 1800:0.1
-1 1:0.6 2:0.9 ... 1800:-0.98
...
我还应该提到我正在使用svm-train脚本（随libSVM程序包一起提供）。
问题是，当运行svm-train时 - 结果是100％准确！
这似乎并不反映真正的分类结果！
以来数据不平衡 #datapoints labeled +1 == #datpoints labeled -1
我还检查了缩放器（正确缩放），并且还尝试随机更改标签以查看它如何影响准确度 - 并且它从100％降低到97.9％。
你能帮我理解一下这个问题吗？ 如果是这样，我该怎么做才能解决它？谢谢，
Gal Star
答案 0 :(得分：2)
确保在'-v 10'选项中加入svmtrain。我不确定您的100％准确度来自培训样本或验证样本。由于您的样本数少于特征数，因此很有可能获得100％的训练精度。但是如果你的模型过度拟合，验证的准确性可能会很低。