使用 mnist 数据集的 SVM 是否 100% 准确？

Question

所以我使用 sklearn 的 svm.SVC 模块编写了一个程序来学习 mnist 数据集，出于某种原因，每当我计算准确度时，它都是 100%。这似乎好得令人难以置信，这是预期的吗？

from sklearn import datasets
from sklearn import svm

digits = datasets.load_digits()

clf = svm.SVC(gamma=0.001, C=100)
print(len(digits.data))
train_with_first = 50

x, y = digits.data[:-train_with_first], digits.target[:-train_with_first]
clf.fit(x,y)

print(digits.data[4])

num_corr = 0
num_total = 0

for pred in range(train_with_first-1):    
    prediction = clf.predict(digits.data[pred].reshape(1,-1))
    target = digits.target[pred]
    print(int(target))
    print(int(prediction))

    if int(target) == int(prediction):
        num_corr += 1 
    num_total += 1

print("Accuracy was: ", (float(num_corr)/num_total)*100)

我希望准确率低于 100%

Answer 1

可能会过拟合，因为你使用的预测数据都在你的训练数据中，尝试在sklearn中使用train_test_split拆分训练和测试集。

或者您可以将第 18 行从

for pred in range(train_with_first-1):

至

for pred in range(train_with_first,len(digits.data)):

但建议使用 train_test_split。

使用 mnist 数据集的 SVM 是否 100% 准确？

Is SVM with the mnist dataset 100% accurate?

python

machine-learning

svm

mnist