다중 클래스 분류에서 Scikit SVM의 출력은 항상 동일한 레이블을 제공합니다

현재 Scikit learn을 다음 코드로 사용하고 있습니다.

clf = svm.SVC(C=1.0, tol=1e-10, cache_size=600, kernel='rbf', gamma=0.0, 
              class_weight='auto')

그런 다음 7 개의 서로 다른 레이블이있는 일련의 데이터를 적합하게 예측합니다. 이상한 결과가 나왔습니다. 유효성 검사 세트에서 예측 된 레이블을 사용하는 교차 유효성 검사 기술에 관계없이 항상 레이블 7이됩니다.

전체 기본 매개 변수 ()를 포함하여 다른 매개 변수를 시도 svm.SVC()하지만 사용하는 커널 방법이 rbf대신 poly하거나 linear작동하지 않는 한 polyand에서는 실제로 잘 작동 linear합니다.

또한 유효성 검사 데이터 대신 열차 데이터에 대한 예측을 이미 시도했으며 완벽하게 맞습니다.

누구든지 전에 이런 종류의 문제를보고 여기에서 무슨 일이 일어나고 있는지 알고 있습니까?

클래스 분포를 자세히 보지는 않지만 30 %가 7, 14 %가 4라는 것을 알고 있습니다.

심지어 수동 1 대 나머지 구현을 시도해도 여전히 도움이되지 않습니다.

모델을 튜닝하지 않았기 때문일 수 있습니다. 및 대한 올바른 값을 찾아야합니다 . 귀하의 경우, 기본값은 좋지 않은 것으로 판명되어 항상 특정 클래스를 생성하는 사소한 모델로 이어집니다. 한 클래스가 다른 클래스보다 인스턴스가 훨씬 많은 경우에 특히 일반적입니다. 수업 배급은 무엇입니까?$C$$\gamma$

scikit-learn은 하이퍼 파라미터 검색 기능이 제한되어 있지만 Optunity 와 같은 튜닝 라이브러리와 함께 사용할 수 있습니다 . Optunity를 사용하여 scikit-learn SVC 튜닝에 대한 예는 여기에서 확인할 수 있습니다 .

_{면책 조항 : 저는 Optunity의 수석 개발자입니다.}

문제는 매개 변수 테스트로 밝혀졌습니다. 나는 gamma0.0 (1 / n_feature)과 1 사이 일 때 시도하지 않았다 . 내 데이터 gamma에서 무언가로 바뀌어야 한다.1e-8