python - 为什么 SVM 分类器模型为每张图像预测相同的标签？

Question

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？

标签： pythonmachine-learningscikit-learncomputer-visionsvm