Python Scikit学习支持向量机-没有类的预测样本

我正在用Python做一个分类任务，将不同乐器的音频文件分类到各自的类中，在我的例子中有4个类，分别是铜管乐器、弦乐器、打击乐器和木管乐器。我使用SVM算法作为分类器。我的代码看起来有点像这样（我没有更改分类器的任何参数）：

当我试图运行这段代码时，我发现分类器有问题。错误代码如下所示：

            precision  recall   f1-score   support

Brass         1.00      0.21      0.34        72
Percussion    0.38      1.00      0.55       279
String        1.00      0.15      0.26       276
Woodwind      0.00      0.00      0.00       156

avg / total   0.58      0.43      0.32       783

C:\Users\Anaconda3\lib\site-packages\sklearn\metrics\classification.py:1135: UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples.

当我从SVM分类器（SVM_pred）检查预测的标签时，分类器不会预测木管乐器类

>>> set(svm_pred)
{'Brass','String','Percussion'}

我每门课的样本数量是这样的：黄铜=200个样本，木管乐器=500个样本，打击乐器=900个样本，弦乐器=800个样本，所以有点不平衡

---

我的问题是，SVM分类器是否可能完全不在分类器的输出中预测一个类，就像我上面的例子一样？

如果木管乐器在训练集中的表现和在测试集中的表现一样好，我的猜测是你的模型完全不正确，因此不能预测这个类。尝试使用SKSCALE（）缩放任何数字特征

以及支持向量机分类器的不同核选择

>>> set(svm_pred)
{'Brass','String','Percussion'}

---

如果木管乐器在训练集中的表现和在测试集中的表现一样好，我猜你的模型是完全错误的，因此不能预测这门课。尝试使用SKSCALE（）缩放任何数字特征

以及支持向量机分类器的不同核选择

>>> set(svm_pred)
{'Brass','String','Percussion'}

---

另一个问题可能是由于这样一个事实，即如果在分割数据集时不进行分层，则可能是某些折叠根本不包含一个类，而其他折叠则包含一个类。尝试使用stratify=y选项来解决问题：）

另一个问题可能是由于这样一个事实，即如果在分割数据集时不进行分层，则可能是某些折叠根本不包含一个类，而其他折叠则包含一个类。尝试使用stratify=y选项来解决问题：）

您是否注意到在代码中使用knn.predict（）而不是svm.predict（）？抱歉，这是输入错误。我在我的实际程序中使用了正确的一个（svm.predict（）），但仍然得到了上面的结果@KRKirovIf Woodwind在训练集中的表现和在测试集中的表现一样好，我的猜测是你的模型完全不正确，因此不能预测这门课。尝试使用sklearns scale（）和SVM分类器的不同内核选项缩放任何数值特征。我尝试在参数中使用多项式内核，它提供了显著更好的结果（>90%的精度）。SVC（）函数的默认内核是RBF。我怎样才能分析为什么会发生这种情况@Krkirovad还添加了缩放功能-这肯定会进一步帮助您。您是否注意到在代码中使用knn.predict（）而不是svm.predict（）？抱歉，这是输入错误。我在我的实际程序中使用了正确的一个（svm.predict（）），但仍然得到了上面的结果@KRKirovIf Woodwind在训练集中的表现和在测试集中的表现一样好，我的猜测是你的模型完全不正确，因此不能预测这门课。尝试使用sklearns scale（）和SVM分类器的不同内核选项缩放任何数值特征。我尝试在参数中使用多项式内核，它提供了显著更好的结果（>90%的精度）。SVC（）函数的默认内核是RBF。我怎样才能分析为什么会发生这种情况@KRKirovAdd的缩放以及-它一定会帮助你进一步。