Machine learning 韦卡：结果太乐观了

我正在使用Weka做一些分类任务。当我使用SVM时，假阳性率为0。这对我来说是非常乐观的分类任务。此外，在我以前的一些实验中，我看到了乐观的结果，比如精确性和回忆分数为100。我的问题是——如果你有如此乐观的结果，发生这种情况的可能性是什么？补救措施是什么？

假阳性率为0可能意味着你总是或几乎总是预测阴性；假阴性率是多少？精度和召回率同时达到100意味着你的问题很容易解决，或者更可能是你的数据处理中存在缺陷；也许你的代码标签错了，或者别的什么。谢谢@Dougal。假阴性率相当高，但真阴性率为1。这意味着SVM发现一切都是负面的。这个问题不太容易，因为我有大约3000个实例。然而，我只有3个变量，包括类特性。该问题是一个二进制分类问题，用于垃圾邮件检测。如果我添加了其他特性，那么这个乐观的结果就不存在了。可能，我们面临着同样的问题，但方式不同——如果你的SVM得到的都是否定的结果，这就解释了为什么你看到0个误报。如果还没有标准化功能，可以尝试设置分类率。在你的训练/测试中，阳性的实际比例是多少？你也可以尝试使用类权重来做出假阳性，而不是假阴性。这就是说，对于垃圾邮件检测这样的功能来说，这两个功能是非常少的，而且如果没有太多的信号可提取，您看到这一点也不奇怪，只要预测平均值即可。还可以尝试使用不同的内核，并确保您正在调整内核带宽和SVM余量惩罚项。