Scikit SVM'nin çok sınıflı sınıflandırmadaki çıktısı her zaman aynı etiketi verir

Şu anda Scikit aşağıdaki kodu ile öğrenmek kullanıyorum:

clf = svm.SVC(C=1.0, tol=1e-10, cache_size=600, kernel='rbf', gamma=0.0, 
              class_weight='auto')

ve sonra 7 farklı etikete sahip bir veri seti için uygunluk ve tahmin yapın. Tuhaf bir çıktı aldım. Doğrulama setinde öngörülen etiketi hangi çapraz doğrulama tekniğini kullanırsam kullanalım, daima etiket 7 olacaktır.

Tam varsayılan bir ( svm.SVC()) dahil olmak üzere diğer bazı parametreleri deniyorum ama kullandığım çekirdek yöntemi rbfyerine olduğu gibi polyya linearda gerçekten işe yaramazken polyve gerçekten işe yaramazsa linear.

Ayrıca, doğrulama verileri yerine tren verisi üzerinde önceden tahmin yaptım ve mükemmel bir şekilde uyuyor.

Bu tür bir sorunu daha önce gören ve burada neler olduğunu bilen var mı?

Sınıf dağılımımı asla ayrıntılı olarak görmüyorum ama% 30 civarında olması gerektiğini biliyorum 7,% 14'ü 4.

Manuel 1'e karşı dinlenme uygulamasını bile deniyorum ve hala yardımcı olmuyor.

$C$$\gamma$

scikit-learn sınırlı hiperparametre arama olanaklarına sahiptir, ancak Optunity gibi bir ayar kitaplığıyla birlikte kullanabilirsiniz . Scikit-learn SVC'yi Optunity ile ayarlama hakkında bir örnek burada mevcuttur .

_{Feragatname: Optunity'nin baş geliştiricisiyim.}

Sorun parametre testi olduğu ortaya çıkıyor. gamma0.0 (1 / n_feature) ve 1 arasında olduğunda denemedim. Verilerim gammaetrafında bir şey dönmelidir1e-8