我在我的数据集上尝试使用OneCsRestClassifier。我提取了模型将要训练的特征，并在这些特征上拟合了线性SVC。模型拟合后，当我尝试在模型拟合的数据上进行预测时，得到的结果全是零。这是由于实现问题还是因为我的特征提取不够好？我认为由于我在模型拟合的数据上进行预测，我应该得到100%的准确率。但相反，我的模型预测结果全是零。以下是我的代码-

#arrFinal包含所有特征和标签。最后16列是标签，特征从1到521。倒数第17列未被使用
X=np.array(arrFinal[:,1:-17])
X=X.astype(float)
Xtest=np.array(X)
Y=np.array(arrFinal[:,522:]).astype(float)
clf = OneVsRestClassifier(SVC(kernel='linear'))
clf.fit(X, Y)
ans=clf.predict(Xtest)
print(ans)
print("\n\n\n")

我的OneVsRestClassifier实现是否有问题？

回答：

查看你的数据后，似乎数值对于C值来说可能太小了。尝试使用sklearn.preprocessing.StandardScaler。

X=np.array(arrFinal[:,1:-17])
X=X.astype(float)
scaler = StandardScaler()
X = scaler.fit_transform(X)
Xtest=np.array(X)
Y=np.array(arrFinal[:,522:]).astype(float)
clf = OneVsRestClassifier(SVC(kernel='linear', C=100))
clf.fit(X, Y)
ans=clf.predict(Xtest)
print(ans)
print("\n\n\n")

从这里开始，你应该使用交叉验证对C进行参数调优。可以使用学习曲线或网格搜索。