python - 为什么 SVM 分类器模型为每张图像预测相同的标签?
问题描述
我正在开发一个项目 ASL 手势识别。我使用了以下数据集 https://www.kaggle.com/ayuraj/american-sign-language-dataset。
这是一个多类问题。我从这些图像中提取了特征,并开发了一个包含 18 列和 18150 行的 csv 文件。此外,我还使用 MinMaxScaler() 对特征进行了标准化。前 17 列代表特征,最后一列代表类别。我使用以下代码训练了一个 SVM 分类器模型:
dataset = pd.read_csv(r'C:\Users\Admin\AppData\Local\Programs\Python\Python35\newDataset\Features\combined.csv', usecols = ['0', '1','2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', 'Class'])
array=dataset.values
X=array[:,0:17]
Y=array[:,17]
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,test_size=0.2,random_state=42)
model=OneVsRestClassifier(SVC(kernel='poly', C=8,degree=3)).fit(X_train,Y_train)
filename = 'SVM.pkl'
joblib.dump(model, filename)
loaded_model = joblib.load(filename)
predictions=loaded_model.predict(X_test)
print(accuracy_score(Y_test, predictions))
print(confusion_matrix(Y_test, predictions))
print(classification_report(Y_test, predictions))
输出附在下面:[ https://imgur.com/a/w9qv1Qk][1]
即使我从训练数据集中传递图像,此分类器模型也预测相同的标签。此外,分类报告中的精度和召回值是否相同?
解决方案
推荐阅读
- python - 从检查点加载模型后验证准确度下降
- javascript - 替换javascript并检查订单
- python - 如何拆分具有不同格式和不同分隔符的名称的列
- c++ - 如何检查 std::cin 是否失败
- python - 当自定义命名空间为对象时,未设置默认 argparse 参数值
- google-bigquery - 具有不同列的 BigQuery 联合表,用空值填充
- yii2 - Yii2通过excel文件更新数据加载时间长
- excel - 列出有条件引用的项目的索引数组
- javascript - eval 在 JavaScript 中是如何工作的?为什么 eval('011+011') 不等于 eval('11+11')
- android - Android多个启动器活动?