Python 为什么我的代码没有预测，只计算目标值

我有这段代码，可以加载_个数字，并使用SVM模型预测数字。但在拟合模型后，它对新值的预测是不正确的，并且计算的目标值与给定的输入不一致。代码如下：

导入matplotlib.pyplot作为plt
从sklearn导入数据集
从sk学习输入svm
数字=数据集。加载数字（）
my_OCR_model=svm.SVC（gamma=0.001，C=100）
十、 y=数字。数据[：-10]，数字。目标[：-10]
my_OCR_model.fit（X，y）
打印（my_OCR_model.predict（X[-6]]））
打印（y[-6]）
plt.imshow（数字图像[-6]，cmap=plt.cm.gray\u r，插值=“最近”）
plt.show（）

移除切片

导入matplotlib.pyplot作为plt
从sklearn导入数据集
从sk学习输入svm
数字=数据集。加载数字（）
my_OCR_model=svm.SVC（gamma=0.001，C=100）
十、 y=digits.data，digits.target#删除此处的切片
my_OCR_model.fit（X，y）
打印（my_OCR_model.predict（X[-6]]））
打印（y[-6]）
plt.imshow（数字图像[-6]，cmap=plt.cm.gray\u r，插值=“最近”）
plt.show（）

或者，如果您有充分的理由进行切片，请为

X

、

y

和

图像保留相同的数据。将此作为最后一行：

plt.imshow（数字图像[：-10][-6]，cmap=plt.cm.gray\u r，插值=“最近”）
plt.show（）
Hello Nicolas再次，在同一类别中，我为我的SVM.SVC分类器提供了以下有趣的数据集：X=np.array（[1.0,0.0,1.0,2.0,3.0,4.0]，dtype=float）和y=np.array（[3.0,1.0,1.0,3.0,5.0,7.0]，dtype=float），然而，预测是将大于4的新数据点映射到7.0，为什么会发生这种情况，代码相同，但功能和标签更简单。感谢SVC最大化了类别之间的差异。你给SVC一个1D数组，所以基本上只是X轴上的点。SVC可能在3和4之间设置了一条线，并确定大于4表示7。