Opencv 为什么SVMLite在几乎没有训练输入的情况下会错误分类？
我使用SVM Light对使用OpenCV处理的图像进行分类。图像被制作成黑白，模糊一点，opencv的HOG检测器被用来创建一个特征向量，其中的向量来自标记为a 1的正图像和标记为a-1的负图像。当我在7个正片和7个负片处理图像上运行SVMLight train文件时，它将7个负片文件中的4个错误分类 然而，在较大的输入下，它训练时不会出现错误分类。有人知道为什么会这样吗Opencv 为什么SVMLite在几乎没有训练输入的情况下会错误分类？,opencv,machine-learning,svm,svmlight,Opencv,Machine Learning,Svm,Svmlight,我使用SVM Light对使用OpenCV处理的图像进行分类。图像被制作成黑白，模糊一点，opencv的HOG检测器被用来创建一个特征向量，其中的向量来自标记为a 1的正图像和标记为a-1的负图像。当我在7个正片和7个负片处理图像上运行SVMLight train文件时，它将7个负片文件中的4个错误分类 然而，在较大的输入下，它训练时不会出现错误分类。有人知道为什么会这样吗 这通常是支持向量机的缺点之一。例如，在scikit学习中，提到： 支持向量机的缺点包括： 如果特征的数量远远大于样本的
这通常是支持向量机的缺点之一。例如，在scikit学习中，提到： 支持向量机的缺点包括：
- 如果特征的数量远远大于样本的数量，则该方法可能会产生较差的性能
谢谢你的回复！你知道为什么会这样吗？