Matlab多维特征SVM

Question

我在Matlab中使用SVM分类器有点问题。我有一个61200x59矩阵的特征，其中每一行代表从图像中提取的一组特征（所有双值）。所有这些特征都与包含2个标签的61200x1矩阵相关联：0和1（作为双变量）。现在我想训练一个线性分类器，并且我使用了以下函数：

SVM_Model = fitcsvm(train_features, train_labels, 'KernelFunction', 'linear')

如果我看一下这一行的细节，我会得到这个结果：

SVM_Model = 
  ClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [0 1]
           ScoreTransform: 'none'
          NumObservations: 61200
                    Alpha: [40956×1 double]
                     Bias: 0.9998
         KernelParameters: [1×1 struct]
           BoxConstraints: [61200×1 double]
          ConvergenceInfo: [1×1 struct]
          IsSupportVector: [61200×1 logical]
                   Solver: 'SMO'

但是当我在测试集（[label, score] = predict(SVM_Model, test_features(i, :));）上调用预测函数时，它总是预测标签1（超过15000测试，所以看起来有点可疑）并且在我所有的0级对象上分类错误。谁能告诉我可能是什么问题？是否需要重新缩放功能，因为SVM无法处理高维点？或者存在另一个问题（如错误配置是SVM学习）？

Answer 1

使用HIK内核一切正常。同样使用RBF内核可以很好地解决这个问题。