我正在尝试使用 libsvm（Matlab 库）来解决回归问题。我有一个包含 192 个实例的数据集。这是我在训练和测试集中划分数据的代码：
idx = [zeros(170,1) ;ones(22,1)];
idx = idx(randperm(192));
train = data(idx==0,:);
train_label = label(idx==0,:);
test = data(idx==1,:);
test_label = label(idx==1,:);
model_1 = svmtrain(train_label,train,'-s 3 -t 2 -c 1 -g 0.01');
model_2 = svmtrain(label,data,'-s 3 -t 2 -c 1 -g 0.01');
[y_hat, Acc,Dec] = svmpredict(test_label, test, model);
如果我使用整个数据集（model_1）来训练模型，而不是对于测试集的每个实例，我有不同的预测值，而如果我只使用训练集，我会为每个测试记录获得完全相同的值。我认为这是因为训练集可能太小而无法训练出好的模型，所以我尝试使用 190 个实例进行训练，仅使用 2 个进行测试。但即使有了这个除法，我也得到了 2 个测试实例的相同预测值？代码有问题吗？