Matlab多维特征SVM

Question

我对 Matlab 中的 SVM 分类器有一点问题。我有一个 61200x59 的特征矩阵，其中每一行代表从图像中提取的一组特征（所有双值）。所有这些特征都与包含 2 个标签的 61200x1 矩阵相关联：0 和 1（作为双变量）。现在我想训练一个线性分类器，我使用了以下函数：

SVM_Model = fitcsvm(train_features, train_labels, 'KernelFunction', 'linear')

如果我看一下这一行的细节，我会得到这个结果：

SVM_Model = 
  ClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [0 1]
           ScoreTransform: 'none'
          NumObservations: 61200
                    Alpha: [40956×1 double]
                     Bias: 0.9998
         KernelParameters: [1×1 struct]
           BoxConstraints: [61200×1 double]
          ConvergenceInfo: [1×1 struct]
          IsSupportVector: [61200×1 logical]
                   Solver: 'SMO'

但是当我在测试集 ([label, score] = predict(SVM_Model, test_features(i, :));) 上调用预测函数时，它总是预测标签 1（超过 15000 个测试，所以看起来有点可疑）并且在所有 0 类对象上我都有一个分类错误。谁能告诉我可能是什么问题？是否有必要重新调整特征，因为 SVM 无法处理高维点？还是存在另一个问题（例如错误配置是 SVM 学习）？

Answer 1

使用 HIK 内核一切正常。同样使用 RBF 内核可以很好地解决这个问题。