我正在使用libSVM（带有线性内核）来训练和交叉验证（10倍）数据。
数据由1800 fMRI强度体素表示为单个数据点。
svm-train的训练集文件中大约有88个数据点。
训练集文件如下所示：+1 1:0.9 2:-0.2 ... 1800:0.1-1 1:0.6 2:0.9 ... 1800:-0.98...
我还应该提到我正在使用svm-train脚本（与libSVM软件包一起提供）。
问题是，在运行svm-train时-结果是100％的准确性！
这似乎没有反映出真正的分类结果！
数据并非不平衡，因为#datapoints labeled +1 == #datpoints labeled -1
Iv'e还检查了缩放器（正确缩放），还尝试随机更改标签以查看它如何影响准确性-并将其从100％降低到97.9％。
你能帮我理解这个问题吗？
如果是这样，我该怎么解决？
谢谢，
加尔星
最佳答案
确保在'-v 10'选项中包括svmtrain。我不确定您的100％准确性来自训练样本还是验证样本。因为您的样本数比特征数少得多，所以很有可能获得100％的训练精度。但是，如果您的模型过度拟合，验证准确性可能会很低。
关于machine-learning - 来自libsvm的100％准确性，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21393646/