Python 为什么我的SVM灯不能正常工作？

我使用的是本页中的内容：

Mac OS X（新的）：

按照说明安装后，我跳进了他的示例：归纳SVM（文档在同一页上）

$/svm\u学习示例1/train.dat示例1/model
扫描示例…完成
将示例读入内存…100..200..300..400..500..600..700..800..900..1000..1100..1200..1300..1400..1500..1600..1700..1800..1900..2000..OK。（阅读2000个例子）
设置默认正则化参数C=1.0000
优化。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。完成。（425次迭代）
优化完成（5个错误分类，maxdiff=0.00085）。
以cpu秒为单位的运行时间：0.07
SV数量：878（含上限117）
L1损耗：损耗=35.67674
权向量的范数：| w |=19.55576
最长示例向量的范数：| x |=1.00000
分类器的估计VCdim:VCdim93.07%（rho=1.00，深度=0）
内核评估数：45954
正在写入模型文件…完成
$./svm\u分类示例1/test.dat示例1/模型示例1/预测
阅读模型…好的。（878个支持向量读取）
对测试示例进行分类..100..200..300..400..500..600..done
以cpu秒为单位的运行时（无IO）：0.00
测试集的准确度：97.67%（586正确，14不正确，总计600）
测试集的精确度/召回率：96.43%/99.00%

有人知道这是不是应该的吗？ 如果没有，我如何修复它以使其正常工作

---

仅供参考，我正在将OSX 10.9与python 2.7.5结合使用。

您能把问题说得更具体些吗？看起来输出中没有错误，事实上，示例的准确率几乎为98%。对于我来说，这似乎是一个合理的校准示例。这是意外吗？这有什么出乎意料的？你能链接到这个测试示例的文档吗？@EMS我不确定它是否正确。关于测试示例的文档在同一网页上。我不能在我的级别上发布超过2个链接。不要发布到源代码的链接。任何需要代码来帮助你的人都可以自己找到它，而这个网站上的大多数人都足够聪明，可以避免直接点击未录制的链接直接下载文件。这就释放了更多的链接供使用。另外，如果你不确定测试是否正确，你会如何发现？如果这里没有人知道那个测试怎么办？简言之，如果有该软件的邮件列表，或者有关于测试输出应该是什么的文档的网页，并且您找不到任何证明输出错误的东西，我不确定这里的人是否可以为您添加更多信息。@TongLiu似乎该软件工作正常。你到底有什么心事？

$ ./svm_learn example1/train.dat example1/model
Scanning examples...done
Reading examples into memory...100..200..300..400..500..600..700..800..900..1000..1100..1200..1300..1400..1500..1600..1700..1800..1900..2000..OK. (2000 examples read)
Setting default regularization parameter C=1.0000
Optimizing........................................................................................................................................................................................................................................................................................................................................................................................................................................done. (425 iterations)
Optimization finished (5 misclassified, maxdiff=0.00085).
Runtime in cpu-seconds: 0.07
Number of SV: 878 (including 117 at upper bound)
L1 loss: loss=35.67674
Norm of weight vector: |w|=19.55576
Norm of longest example vector: |x|=1.00000
Estimated VCdim of classifier: VCdim<=383.42791
Computing XiAlpha-estimates...done
Runtime for XiAlpha-estimates in cpu-seconds: 0.00
XiAlpha-estimate of the error: error<=5.85% (rho=1.00,depth=0)
XiAlpha-estimate of the recall: recall=>95.40% (rho=1.00,depth=0)
XiAlpha-estimate of the precision: precision=>93.07% (rho=1.00,depth=0)
Number of kernel evaluations: 45954
Writing model file...done

$ ./svm_classify example1/test.dat example1/model example1/predictions
Reading model...OK. (878 support vectors read)
Classifying test examples..100..200..300..400..500..600..done
Runtime (without IO) in cpu-seconds: 0.00
Accuracy on test set: 97.67% (586 correct, 14 incorrect, 600 total)
Precision/recall on test set: 96.43%/99.00%