为什么SVM分类器模型为每个图像预测相同的标签？

Question

我正在开发ASL手势识别项目。我使用了以下数据集 https://www.kaggle.com/ayuraj/american-sign-language-dataset。

这是一个多类问题。 我从这些图像中提取了特征，并开发了一个由18列和18150行组成的csv文件。另外，我已经使用MinMaxScaler（）标准化了功能。前17列代表要素，最后一列代表类。我已经使用以下代码训练了SVM分类器模型：

dataset = pd.read_csv(r'C:\Users\Admin\AppData\Local\Programs\Python\Python35\newDataset\Features\combined.csv', usecols = ['0', '1','2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', 'Class'])

array=dataset.values

X=array[:,0:17]

Y=array[:,17]

X_train,X_test,Y_train,Y_test=train_test_split(X,Y,test_size=0.2,random_state=42)

model=OneVsRestClassifier(SVC(kernel='poly', C=8,degree=3)).fit(X_train,Y_train)

filename = 'SVM.pkl'

joblib.dump(model, filename)

loaded_model = joblib.load(filename)

predictions=loaded_model.predict(X_test)

print(accuracy_score(Y_test, predictions))

print(confusion_matrix(Y_test, predictions))

print(classification_report(Y_test, predictions))

输出如下所示： [https://imgur.com/a/w9qv1Qk][1]

即使我从训练数据集中传递图像，该分类器模型也会预测相同的标签。此外，分类报告中的精度和召回值是否可以相同？