Scikit-learn（SVC估计器）总是为预测提供相同的值

Question

我正在完成有监督学习的任务。我有两套数据 - 训练和测试。

我的训练数据集约有2000条记录。我的测试数据有10条记录 当我运行以下代码时，预测函数给出与输出相同的值。

我不确定我做错了什么......我尝试改变伽玛和C的值。仍然没有运气..

我想知道是否：

1. 与数据（训练集大小）或
有关
2. 我只是使用错误的估算器或
3. 我的代码搞砸了？

这是完整的python代码：

array([7734, 7734, 7734, 7734, 7734, 7734, 7734, 7734, 7734, 7734], dtype=int64)

这是输出：

      <div class="media text-xs-left">
        <div class="media-left media-middle">
          <p class="lead">
            <img src="default.jpg">
          </p>
        </div>
        <div class="media-body">
          <p class="lead">
            <h6>here text</h6>
          </p>
        </div>
      </div>

我甚至尝试过使用LinearSVC。仍然没有运气。唯一的区别是预测输出是一个不同的值（9240），但在整个......

Answer 1

始终提供相同的输出可能有两个原因：

• 您的模型是否过度拟合（不平衡数据集？）
• 您没有向模型提供正确的数据

您似乎没有将Pandas DataFrame转换为numpy数组，请尝试

clf = svm.SVC()    
X = data.values
Y = target.values
assert len(X) == len(Y)

clf.fit(X,Y)
print clf.score(X,Y)

对测试数据执行相同的操作，并尝试至少打印数据的形状和数组的一个元素。