Python3 +上的SVM（概率模型）：几乎所有情况下的概率

Question

我正在使用以下代码在Python3 +上运行SVM（概率模型）。

InputStream inputStream = getClass().getResourceAsStream("/example.txt")

我的数据集有0.24mln行和38个虚拟特征（已经处理了虚拟陷阱）。我在70％的基础（火车基地）上运行此代码。并将其应用于30％的碱（测试基础）。代码运行正常。那里没有错误。 现在我面临的问题如下：

1. 在 output_proba_test 中，模型为所有71k个案例提供了几乎相同的概率（预测＆＃34; 1＆＃34;：0.856或0.144）的两个概率中的任何一个。我的目标变量有两个值1（购买）＆amp; 0（不购买）。
2. 模型拟合的过程需要超过7小时

如果有人能解释为什么会这样吗？我为Iris Data运行了相同的代码，它给了我适当的概率分布。但对于我的数据，它给了我很多时间。再次，重申一下：目标变量：＆＃34; 0＆＃34; ＆安培; ＆＃34; 1＆＃34 ;;自变量：37个虚拟变量，其值为＆＃34; 1＆＃34;或＆＃34; 0＆＃34;。我照顾了虚拟陷阱。在我的整体数据集（0.24mln）中，1的数量是39k。在我的火车数据集中，1s的数量是总行数0.16ml中的26k。