Image processing 图像处理中的随机森林与支持向量机

我最近在研究图像识别。一个数据点由一个特征向量

x

及其标签

y

组成。我使用的图像特征如下：gist、颜色组织图、HOG。我将这些特性矢量化，并将它们组合成

x

。对于标签

y

，它只能是21个标签中的一个

然后我将整个数据集随机分成两部分。我在第一部分训练了分类器，在第二部分测试了分类器的准确性。我使用的分类器是随机森林和支持向量机。 结果表明：对于随机森林，训练精度为0.99，测试精度为0.73；对于支持向量机，测试精度为0.20

---

有人能告诉我为什么他们如此不同吗

下面并没有解释准确度的下降，但是LIBSVM（如果你使用它的话）会进行一对一的分类，随机森林是一个自然的多类分类器。不过，我看不出在两种精度上存在如此差异的原因。几个问题：1。支持向量机的训练精度是多少？2.您是否尝试过使用调优成本和gamma参数，以及SVM的内核？SVM的性能如此之低对我来说听起来很奇怪。您是否使用openCV中的train_auto（）或libsvm的参数选择工具grid.py？