一类 SVM，全部为 -1

Question

我正在做一个二元分类，只返回图像的“是”或“否”。由于我只获得了一个类别的图像，所以我想在“目标”和“异常值”之间进行分类。

例如，我正在对消防员进行分类。

我正在使用 Scikit Learn svm.OneClassSVM()。然而，在训练模型之后，即使是预测训练数据，我每次都得到“-1”。

这是我的代码：

X_train = []
for subdir, dirs, files in os.walk("training"):
    for imagePath in files:
        print ("path = ", imagePath)
        img = Image.open(os.path.join(subdir, imagePath))
        img = img.resize(sample_size, PIL.Image.ANTIALIAS)
        img = np.array(img)
        img = img[:,:,0]
        img = img.reshape(1, img.shape[0]* img.shape[1])
        X_train.append(img[0])

clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X_train)

---

然后我预测“训练数据”的结果

print clf.predict (X_train)

然而，我仍然得到所有“-1”。谁能告诉我出了什么问题吗？

Answer 1

最有可能的是超参数调整。伽玛可能应该低很多。

你的训练示例“img[0]”的最终形状是什么？