OpenCV4Android SVM没有给出正确的预测

Question

我是机器学习和OpenCV的新手。我从Cohn-Kanade人脸数据库中为每种情绪（中性和快乐）拍摄了一组10张图像。然后，我从每个图像中提取面部特征，并将它们放入我的训练数据矩阵中，并为各自的情绪分配标签（例如：0表示中性，1表示快乐）。

我使用了gamma=0.1和C=1的RBF内核。经过训练后，我将从智能手机摄像头中提取出的面部特征用于预测。预测总是返回1。

如果我增加中性表达式的训练样本数（例如：15个中性表达式图像和10个快乐表达式图像），那么预测总是返回0，如果训练样本中每个表达式有相等数量的图像，那么SVM预测总是返回1。

为什么SVM的行为是这样的？如何检查我是否对伽马和C使用了正确的值？还有，SVM是否依赖于训练图像和测试图像的分辨率？

Answer 1

我会请求您上传SVM函数，这样我们就可以理解您的代码。其次，我以前使用过支持向量机，您需要对训练数据和标签进行规范化。您还应该确保使用了正确的分类器，因为并非所有的分类器都受支持。以下是一些教程的链接:http://docs.opencv.org/3.0-beta/modules/ml/doc/support_vector_machines.html

对于回答你的其他问题，不幸的是你必须自己找到gamma和C的最佳组合，这是SVM的一种缺点。https://www.quora.com/what-are-c-and-gamma-with-regards-a-support-vector-machine

是的，SVM确实依赖于分辨率，因为你的特征/特征向量会根据分辨率而改变，因此也会根据输入和标签而改变。附注。这应该是理想的评论，但不幸的是，我没有足够的点这样做。