blocks|key|2643838|text|这听起来好像你正遭受着“维度的诅咒”，这意味着两件事。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2643839|当试图在高维空间中测量两点之间的距离并试图解释这些数据时，最长距离和最短距离之间的差异就没有意义了。|ordered-list-item|2643840|尝试用更少的样本来训练一个算法，然后像你的例子一样，特征会导致算法记住你的样本。|2643841|我看到了三个选择。获取更多的数据，减少您的特性集，或者尝试更大的C值，将使决策边界规范化。|2643842|更多可阅读的内容：|2643843|维度诅咒|unordered-list-item|offset|length|2643844|N+>>+p|entityMap|0|LINK|mutability|MUTABLE|url|https://stats.stackexchange.com/questions/35276/svm-overfitting-curse-of-dimensionality|1|https://stats.stackexchange.com/questions/10423/number-of-features-vs-number-of-observations^0|0|0|0|0|0|0|4|0|0|0|6|1^^$0|@$1|2|3|4|5|6|7|10|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|11|8|@]|9|@]|A|$]]|$1|E|3|F|5|D|7|12|8|@]|9|@]|A|$]]|$1|G|3|H|5|6|7|13|8|@]|9|@]|A|$]]|$1|I|3|J|5|6|7|14|8|@]|9|@]|A|$]]|$1|K|3|L|5|M|7|15|8|@]|9|@$N|16|O|17|1|18]]|A|$]]|$1|P|3|Q|5|M|7|19|8|@]|9|@$N|1A|O|1B|1|1C]]|A|$]]]|R|$S|$5|T|U|V|A|$W|X]]|Y|$5|T|U|V|A|$W|Z]]]]

That sounds like you're suffering from overfitting, probable duo the "curse of dimensionality", which means 2 things. 

<ol>
<li>When trying to measure distance between two points in high dimensional space and trying to interpret this data, the difference between the longest and the shortest distance get's less meaningful.</li>
<li>Trying to train an algorithm with way less samples then features, like in your case, will cause that the algorithm will memorize your samples.</li>
</ol>

I see 3 options. Getting more data, reduce your feature set or try greater values for C. C will regularize the decision boundary.

More to read: 

<ul>
<li><a href="https://stats.stackexchange.com/questions/35276/svm-overfitting-curse-of-dimensionality">Curse of dimensionality</a></li>
<li><a href="https://stats.stackexchange.com/questions/10423/number-of-features-vs-number-of-observations">n >> p</a></li>
</ul>

I have a dataset of shape edges, that I am trying to make a model for with sklearn. I'm new to the machine learning world, so I am struggling to create a good model. Using SVM, I was able to get a supposed 81% precision, but when I feed it an image outside the training or test set, it consistently returns the wrong prediction, almost every time.

<a href="https://i.stack.imgur.com/SbfuI.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/SbfuI.png" alt="enter image description here"></a>

<a href="https://i.stack.imgur.com/OPANz.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/OPANz.png" alt="enter image description here"></a>

<a href="https://i.stack.imgur.com/wXiEH.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/wXiEH.png" alt=""></a>

Question: Is there is a better way of doing this than using SVM? Or are these shapes too similar? I have 90 images in the training set.

Here is a <a href="https://github.com/teslaworksumn/guild-master/blob/Machine_Learning/Machine_Learning/SVM_model_creator.py" rel="nofollow noreferrer">link</a> to my ML code.

Shape classification algorithm

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我有一个形状边缘的数据集，我试图用滑雪板制作一个模型。我是机器学习世界的新手，所以我正在努力创造一个好的模型。使用支持向量机，我可以得到一个假设的81%的精度，但当我给它一个图像以外的训练或测试集，它一贯返回错误的预测，几乎每次。📷📷📷问:有比使用支持向量机更好的方法吗？还是这些形状太相似了？我在训练集里有90张照片。下面是我的ML代码的链接。

问形状分类算法
EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问形状分类算法EN