opencv - 为什么 SVMLite 在训练输入很少的情况下会错误分类？

Question

我正在使用 SVM Light 对使用 OpenCV 处理的图像进行分类。图像被制作成黑白，稍微模糊，来自 opencv 的 HOG 检测器用于创建一个特征向量，其中向量来自用 1 标记的正图像和用 -1 标记的负图像。当我在 7 个正面和 7 个负面过程图像上运行 SVMLight 训练文件时，它对 7 个负面文件中的 4 个进行了错误分类。

然而，在较大的输入下，它训练时不会出现错误分类。有谁知道为什么会这样？

使用更大的训练输入正确分类负图像

训练时错误分类 7 个负图像中的 4 个

Answer 1

这通常是 SVM 的缺点之一。例如在 scikit-learn文档中，它被提到：

支持向量机的缺点包括：

• 如果特征的数量远大于样本的数量，则该方法很可能表现不佳。