SVM预测给出“测试”和“训练”的错误暗淡不同的原因-R

Question

我有一个很大的数据集，正在使用SwarmSVM软件包运行clusterSVM进行二进制分类，该软件包将LibLinear用于SVM。

该模型在训练集上可以正常工作。但是，当我尝试在测试集上运行预测时，出现以下错误：

cmd + k

我已经尽可能地调查了这个问题，并且无法提出模型认为测试和训练集的尺寸不同的原因：

• 测试和训练数据集的列数，列顺序，数据类型和列名完全相同
• 测试或训练数据集中没有NA或缺少数据
训练和测试均已按比例缩放。实际上，首先对火车数据进行缩放，然后根据火车集对测试集进行缩放
• 测试班和训练班都一样
• 测试或训练中没有固定值的列（标准差为零的列）

唯一起作用的是将测试/训练比率从10％-90％更改为15％-85％。 因此，我假设错误的原因与列的值有关，当添加更多行进行测试时，列的值会消失。但是我不知道这怎么可能。数据相当大（大约200万行）。因此，测试将具有约200,000行，测试比例为10-90％。不确定为什么再增加100,000个会有区别吗？

我知道这是一个广泛/抽象的问题，但我一直无法在任何地方找到适当的解释。

如果有帮助，这些是我用于模型的参数：

Error in predict.LiblineaR(object$svm, tilde.newdata, ...) :    dims of 'test' and 'train' differ