Matlab 不平衡数据的LibSVM成本权重不'；行不通

我有一个数据集，负标签值的数量是正标签值数量的163倍，所以我有一个不平衡的数据集。我试过：

model = svmtrain(trainLabels, trainFeatures, '-h 0 -b 1 -s 0 -c 10 -w1 163 -w-1 1');
[predicted_label, accuracy, prob_estimates] = svmpredict(testLabels, testFeatures, model, '-b 1');

准确率接近99%，我搜索发现：在第7篇文章中写道

---

你是否尝试过在较小的范围内加权（即：这可能是因为你的负面和正面例子很难区分。 我会准备不同的数据集，对大多数类进行下采样，并使用所有少数类的示例，然后在所有数据集上学习svm。然后使用投票。这对我很有用

model = svmtrain(trainLabels, trainFeatures, '-h 0 -b 1 -s 0 -c 10 -w1 0.5 -w-1 0.003');
[predicted_label, accuracy, prob_estimates] = svmpredict(testLabels, testFeatures, model, '-b 1');