なぜSVMLiteは訓練入力が少なくても誤分類するのですか？

Question

私はOpenCVで処理された画像を分類するためにSVM Lightを使用しています。画像は白黒になり、少しぼやけてしまい、opencvのHOG検出器を使用して、1でラベル付けされた正の画像からのベクトルと-1でラベル付けされた負の画像からなるベクトルを作成します。 SVMLightトレインファイルを7つの正のプロセスイメージと7つの負のプロセスイメージで実行すると、7つのネガファイルのうち4つが誤って分類されます。

しかし、大きな入力では、誤分類なしで訓練されます。誰がなぜこのような場合があるのか​​知っていますか？

Correctly classifying negative images with a larger training input

Misclassifying 4 of 7 negative images while training

Answer 1

これは、一般的にはSVMをの欠点の一つです。 scikit-学ぶdocumentationの中に例えば、言及しています：サポートベクターマシンの

欠点が含まれます：

• 機能の数は、サンプルの数よりもはるかに大きい場合は、この方法の可能性がありますパフォーマンスが悪い