使用svm进行分类的准确性较低

Question

我正尝试使用SVM将具有1000个真值的大约5000条记录的数据分为2类。我的代码来自以下示例：

from sklearn import svm
clf = svm.SVC()
clf.fit(X, Y)

所以我使用了大多数默认值。对我来说，差异很大。训练准确性超过95％，而我正在做的测试从数据集中提取了大约50条记录，结果是50％。

但是，如果我将测试数据的训练大小更改为大约3000和2000条记录，那么训练精度将下降到80％，并且测试精度会上升。为什么会这样？

现在，如果我将scikit-learn库更改为逻辑回归，则百分比保持不变。为什么会这样？

Answer 1

对svm的每次修改都会产生新的精度，请记住，训练数据的精度与实际数据的精度不同。如果您希望两者都具有较高的准确性，建议您先尝试清理数据。