Python SVM分类器的准确率在不同的机器上是不同的

我正在使用一个支持向量机库，它与Python和Matlab兼容，在数字识别算法和人脸识别算法中执行分类

在执行SVM分类时，我面临一个非常奇怪的问题当我使用相同的代码库、相同的解释器（在我的例子中是Python）和相同的训练和测试数据在不同的计算机上运行程序时，训练和测试的准确率会有很大差异

以下是数字识别算法分类功能调用的代码（此处训练图像数量=1409，测试图像数量=997）：

对于4gb RAM/64位操作系统Windows 8，完成培训和测试后的精度输出如下所示：

Accuracy = 97.0901% (1368/1409) (classification) 
Accuracy = 35.6068% (355/997) (classification)

在2gb RAM/32位操作系统Windows 7的笔记本电脑中，相同的输出不同：

Accuracy = 100.00% (1409/1409) (classification) 
Accuracy = 99.29% (990/997) (classification)

还有一些其他计算机的可变精度输出，我不包括在内。我还遇到了另一个在Matlab中编程的人脸识别算法的同样问题

---

这是SVM的一个广义问题，还是我做错了什么。另外，如果这是SVM分类的常见问题，请告诉我实际原因。任何解决方案都值得赞赏。谢谢。

我经常使用LIBSVM，从来没有遇到过这样的问题。因此，它是特定于您的计算机的。另外，如果你的问题是2级，35%的准确率太低。随机预测是50%。@ParagS.Chandakkar我的问题是10级。如果在两台64位/两台32位计算机上进行测试，您是否观察到任何差异？@ParagS.Chandakkar是的，我在问题描述中提到过。我给出的两个输出分别来自64位和32位机器。在你的问题中，你提到了一个64位和另一个32位机器。我想问的是，如果两者都是64位（或都是32位），您是否仍能观察到结果中的差异？

Accuracy = 100.00% (1409/1409) (classification) 
Accuracy = 99.29% (990/997) (classification)