无法理解 SVM 返回的混淆矩阵

Unable to make sense of the confusion matrix returned by SVM

我想了解为什么 SVM 分类器无法正确分类我的数据。我只展示了 2000 个原始数据样本中的 10 个样本 XX。我无法理解 Matlab 返回的混淆矩阵。我使用了 SVM 分类器。是不是我的代码错了，尤其是我做交叉验证的方式？

XX归一化为X，Y是标签。每个特征向量的长度为 8.

**问题**) 有人可以帮忙解决这个问题吗？ 

             pred 0   pred 1
  actual 0    100       0
  actual 1    100       0

谢谢

你有：

  1. 一个不平衡的数据集（7和3个样本），
  2. 一个 8 维特征 space 只有 7 个和 3 个样本，非常不足以填充它（参见维数灾难），并且
  3. 你只使用了一半的样本进行训练，这意味着你离填充特征更远 space。

因此，我并不惊讶 SVM 提出的泛化是将所有内容分类为 "class 0"。

尝试仅使用其中一个特征（XX 的第一列），并使用留一法交叉验证。