我使用13个特征（没有二元特征）构建了一个分类器，并使用scikit工具（Normalizer().transform）对每个样本进行了个别归一化处理。

当我进行预测时，所有的训练集都被预测为正例，而所有的测试集都被预测为负例（无论实际是正例还是负例）。

我应该关注分类器、特征还是数据中的哪些异常情况？

备注：1）我分别对测试集和训练集进行了归一化处理（每个样本单独处理）。

2）我尝试了交叉验证，但性能依然相同。

3）我使用了线性和RBF核的SVM。

4）我也尝试了不进行归一化处理，但结果同样不理想。

5）我的正负数据集数量相同（各400个），测试集中有34个正样本和1000多个负样本。

回答：

如果你在平衡数据上进行训练，”它将所有训练集预测为正例”这一事实足以说明肯定是哪里出了问题。

尝试构建一个非常简单的模型（例如使用一两个特征的线性SVM），并查看模型以及训练数据的可视化；参考scikit-learn的示例：http://scikit-learn.org/stable/auto_examples/svm/plot_iris.html

还有可能你的输入数据中有很多大的异常值影响了转换过程…