我正在尝试用 python 和 SVM 做一些分类任务。
从收集的数据中，我提取了每个类的特征向量并创建了一个训练集。特征向量具有 n 维（39 或更多）。因此，假设对于 2 个类，我有一组 39 维特征向量和一个类标签数组，对应于特征向量中的每个条目。目前，我正在使用 mlpy 并执行以下操作：
import numpy as np
import mlpy
svm=mlpy.Svm('gaussian') #tried a linear kernel too but not having the convergence
instance= np.vstack((featurevector1,featurevector1))
label=np.hstack((np.ones((1,len(featurevector1),dtype=int),-1*np.ones((1,len(featurevector2),dtype=int)))
#为实例中的每个条目分配一个标签（+1/-1），（来自#featurevector 1的条目为+1，对于featurevector2为-1
svm.compute(instance,label) #it converges and outputs 1
svm.predict(testdata) #This one says all class label are 1 only whereas I ve testing data from both classes
我在这里做错了吗？还是我应该使用其他库？请帮忙。