我发现加权 SVM 是一种处理类不平衡问题的分类方法。我的数据集与罕见事件（少数类，标记为 1）和多数类（标记为 0）高度不平衡。因此，我实施了带有分层交叉验证的监督分类加权 svm 技术，因为它们能够处理类不平衡。我为 C 参数（boxconstraint）添加了额外的调整。训练是使用 5 折交叉验证方法完成的。该方法在训练集上运行良好。训练后我得到了很好的表现。我可以这么说是因为通过查看训练后的混淆矩阵。

厘米矩阵 =

        1443          27
           0          30

通常建议使用优化的超参数重新训练。因此，我再次在整个数据集上运行训练模型（重新训练），在同一数据集上进行预测。

问题：如果我给训练有素的 SVM 模型一个高度不平衡的看不见的新数据集（该集从未被模型使用，并且是测试集），则对该数据的预测完全偏向于多数类，如下所示

cmMatrix_TestData =

        98     2
         5     0

我哪里做错了？请帮忙，我实际上没有解决类不平衡问题的方法，而几篇文章和建议提出了这两种方法，但我无法让它对我有用。