我有一个包含 1175 个示例和 21 个特征的数据集，这些特征在 [-1, +1] 的范围内，以及两个类标签 1 和 0。当我阅读了大部分资源时，最好在[-1, +1] 或 [0, 1] 的范围。所以我认为我不需要任何预处理。但是当我从 scikit-learn 运行 SVM 和决策树分类器时，我使用 10 倍的交叉验证获得了 100% 的准确率。然而，随着我执行更多的迭代，分类精度似乎会降低。
我正在从 Kinect 设备收集这些数据，该设备为我提供了人体某些关节的角度和位置。由于硬件故障，我确信数据上有噪音。因此，获得 100% 几乎是不可能的。
我的数据集在这里可用
我能够重现您的结果：
> clf = svm.SVC()
> scores = cross_validation.cross_val_score(clf, X, Y, cv=10)
我没有得到完美的折叠分类，但接近：
> print(scores)
array([ 1. , 1. , 1. , 0.99152542, 1. ,
1. , 1. , 1. , 1. , 1. ])
要弄清楚支持向量机发生了什么并不容易，因此我将决策树拟合到您的数据中：
> tre = tree.DecisionTreeClassifier()
> tre.fit(X, Y)
这棵树是训练数据上的完美分类器：
> sum(abs(tre.predict(X) - Y))
0
原来这棵树很简单：
看起来数据中的第三列（名为 的列Z）是一个完美的分隔符。这可以通过散点图轻松确认：
哦，我的上帝，我遇到了同样的问题。也许我的答案对你来说不是最好的答案，但它可能对其他人有所帮助。
这是我的代码Scikit-Learn
clf = DecisionTreeClassifier(criterion='entropy', max_depth=10)
clf.fit(X, y)
我得到了 100% 的准确率。
但是，当我得到feature_importances_ofclf时，发现X应该从X中删除标签列，从 中删除标签列后X，准确率为 89%。
所以，我的建议是在你建立模型之后，检查其中的参数，例如feature_importances_等等。祝你好运！