Machine learning 为什么我的训练数据在预测libsvm时都失败了

目前我正在使用libsvm解决我的单类分类问题。我在我的训练集中有10个样本，在我的测试集中有5个样本，我的训练集和测试集都用svm_尺度进行缩放，然后我用smv_训练和缩放的训练集进行训练，用svm_pridict和缩放的测试集进行测试。但是这个问题发生了，这让我很困惑。因此，为什么连我的培训样本都失败了

Accuracy = 26.666666667% (4/15) (classification)

---

你可能需要更多的数据。任何算法都很难在10个样本上很好地推广，尤其是试图找到数据点子集（即小于10个）的支持向量机。您使用的是什么内核？你试过调整参数吗？我试过使用ResilientPropagation你能更具体地说明你正在使用的内核吗？ResilientPropagation不是libsvm的内置内核之一。你自定义代码了吗？据我所知，Rprop不是一个内核，而是一个训练神经网络的算法。你能告诉我们你到底在用它做什么吗？哦，对不起，我的不好，那是属于我程序的另一部分，我尝试了RBF和Sigmoid，我甚至尝试了调整成本和gamma，还有n倍交叉验证，但结果不太好……如果不看数据和代码，很难说什么聪明的话。