Matlab多维特征支持向量机

Question

我对Matlab中的SVM分类器有一点小问题。我有一个61200x59的特征矩阵，其中每一行代表从图像中提取的一组特征(都是双精度值)。所有这些特征都与包含两个标签的61200x1矩阵相关联:0和1(作为双变量)。现在我想训练一个线性分类器，我使用了以下函数：

SVM_Model = fitcsvm(train_features, train_labels, 'KernelFunction', 'linear')

如果我看一下这一行的细节，我会得到这样的结果：

SVM_Model = 
  ClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [0 1]
           ScoreTransform: 'none'
          NumObservations: 61200
                    Alpha: [40956×1 double]
                     Bias: 0.9998
         KernelParameters: [1×1 struct]
           BoxConstraints: [61200×1 double]
          ConvergenceInfo: [1×1 struct]
          IsSupportVector: [61200×1 logical]
                   Solver: 'SMO'

但是当我在测试集([label, score] = predict(SVM_Model, test_features(i, :));)上调用预测函数([label, score] = predict(SVM_Model, test_features(i, :));)时，它总是预测标签1(超过15000个测试，所以看起来有点可疑)，并且在所有的0类对象上我都有一个分类错误。有人能告诉我问题出在哪里吗？因为SVM不能处理高维点，所以有必要重新缩放特征吗？或者存在另一个问题(比如错误配置是SVM学习)？

Answer 1

使用HIK内核，一切工作正常。在这个问题上，使用RBF核函数也得到了很好的结果。