Python 使用mnist数据集的SVM是否100%准确？

因此，我使用

sklearn

的

svm.SVC

模块编写了一个程序来学习mnist数据集，出于某种原因，每当我计算其100%的准确度时。这似乎太好了，不可能是真的，这是预期的吗

从sklearn导入数据集
从sk学习输入svm
数字=数据集。加载数字（）
clf=svm.SVC（伽马=0.001，C=100）
打印（len（数字、数据））
列车运行时，首列车运行时=50
x、 y=数字。数据[：-train_with_first]，数字。目标[：-train_with_first]
clf.配合（x，y）
打印（数字。数据[4]）
num_corr=0
总数=0
对于范围内的pred（带第一列-1的列车）：
prediction=clf.predict（digits.data[pred].重塑（1，-1））
目标=位数。目标[pred]
打印（整数（目标））
打印（整数（预测））
如果int（目标）==int（预测）：
num_corr+=1
总数+=1
打印（“精度为：”，（浮点数/总数）*100）

---

我预计准确率低于100%

可能是拟合过度，因为您使用的预测数据都在您的训练数据中，请尝试在sklearn to split训练和测试集中使用

train\u test\u split

或者你可以把第18行从

用于范围内的pred（带第一列-1的列车）：

到

适用于范围内的pred（首先是列，然后是列（digits.data））：

---

但是建议使用

train\u test\u split

。

似乎您没有；t将其拆分为训练集和测试集，它可能与训练集过度拟合，尝试使用不在训练数据中的数据进行预测。@JimChen我在第10行拆分了训练数据，您使用的方法是使用数据0到数据n-50对模型进行训练，您使用数据0到数据50进行预测，因此，您使用的预测数据都在您的培训数据中，请尝试在SKL中使用

train\u test\u split

学习分割培训和测试集。@JimChen成功了，您可以继续并将其作为答案，以便我可以将其标记为正确，并给您声誉列表有预定义的培训和测试分割，您没有使用它们。