我正在尝试学习SVM中线性SVC的工作原理，并通过使用不同的参数进行训练和测试来复制一个简单的实验。我的问题是我似乎不明白如何使用我的数据来训练和测试线性SVC算法。基本上，我想要做的是使用线性SVC进行图像识别。

我有来自5个不同人的5张图像，每张图像有22个特征。我的目标是简单地获得图像的训练率，我的困惑在于我得到的训练率是100%，而我期望的是大约80%左右的训练率，那么我该如何获得适当的识别率呢？

import sklearnfrom sklearn.svm import SVCfrom sklearn.model_selection import train_test_splitfrom sklearn import metricsdataset = np.asarray(data)target = np.asarray([1]*5 + [2]*5 + [3]*5 + [4]*5 + [5]*5)svc_1 = SVC(kernel='linear')X_train, X_test, y_train, y_test = train_test_split(        dataset, target, test_size=0.35, random_state=0)def train_and_evaluate(clf, X_train, X_test, y_train, y_test):        clf.fit(X_train, y_train)    print ("Accuracy on training set:")    print (clf.score(X_train, y_train))    print ("Accuracy on testing set:")    print (clf.score(X_test, y_test))        y_pred = clf.predict(X_test)        print ("Classification Report:")    print (metrics.classification_report(y_test, y_pred))    print ("Confusion Matrix:")    print (metrics.confusion_matrix(y_test, y_pred))train_and_evaluate(svc_1, X_train, X_test, y_train, y_test)

这是我的代码，为了便于可视化，我将我的25×22矩阵上传到了pastebin： https://pastebin.com/6hL6Dign

这是我的输出结果：

Accuracy on training set:1.0Accuracy on testing set:1.0Classification Report:              precision    recall  f1-score   support           1       1.00      1.00      1.00         1           2       1.00      1.00      1.00         1           3       1.00      1.00      1.00         1           4       1.00      1.00      1.00         3           5       1.00      1.00      1.00         3    accuracy                           1.00         9   macro avg       1.00      1.00      1.00         9weighted avg       1.00      1.00      1.00         9

简而言之，我想要做的就是通过减少数据集中的行数或/和列数来降低识别率，但我的识别率始终保持在100%

回答：

问题在于 – 你的数据集在5个类别之间分隔得非常好。

线索#1 – 目标洗牌

洗牌目标后准确率下降了。尝试在目标定义后添加以下代码：

random.shuffle(target)  # 需要`import shuffle`

线索#2 – 主成分分析（PCA）

我使用了主成分分析（PCA）来通过减少到两个特征来可视化你的数据：

from sklearn.decomposition import PCAimport matplotlib.pyplot as pltpca = PCA(n_components=2)pca_res = pca.fit_transform(data)plt.scatter(pca_res[:, 0], pca_res[:, 1], color=list(map(' rgbyc'.__getitem__, target)))

结果：

看起来很明显，类别之间分隔得很好 – 组内方差远小于组间方差。显然，即使样本量如此小，SVC也能轻松检测出测试集的正确类别。

编辑

看起来甚至不需要PCA。一个特征（例如第二个特征）就足以实现100%的分离。尝试用以下代码：

dataset = np.asarray(data)[:, 1:2]

并进行可视化：

import seaborn as snssns.boxplot(x=target, y=dataset[:, 1])  # 使用原始数据集

结果：