マルチクラス分類でのScikit SVMの出力は常に同じラベルを与える

私は現在、次のコードでScikit Learnを使用しています：

clf = svm.SVC(C=1.0, tol=1e-10, cache_size=600, kernel='rbf', gamma=0.0, 
              class_weight='auto')

そして、7つの異なるラベルを持つデータのセットを当てはめて予測します。奇妙な出力が出ました。検証セットで予測ラベルを使用する相互検証手法に関係なく、常にラベル7になります。

完全なデフォルトパラメータ（svm.SVC()）を含む他のいくつかのパラメータを試しますが、私が使用するカーネルメソッドがのrbf代わりにあるpolyか、linearそれが機能しない限り、polyおよびに対しては非常にうまく機能しlinearます。

その上、検証データの代わりに列車データの予測をすでに試みており、完全に適合しています。

誰かがこの種の問題を以前に見て、ここで何が起こっているのか知っていますか？

私はクラスの分布を詳細に見ることはありませんが、約30％は7、14％は4であるべきだと思います。

私は手動の1-vs-rest実装を試みても、まだ役に立ちません。

考えられる原因は、モデルを調整していないことです。と適切な値を見つける必要があります。あなたの場合、デフォルトは悪いことがわかり、それは常に特定のクラスを生成する簡単なモデルにつながります。これは、1つのクラスに他のクラスよりもはるかに多くのインスタンスがある場合に特に一般的です。あなたのクラス分布は何ですか？$C$$\gamma$

scikit-learnのハイパーパラメータ検索機能は限られていますが、これをOptunityなどのチューニングライブラリと一緒に使用できます。Optunityを使用したscikit-learn SVCのチューニングの例は、こちらから入手できます。

_{免責事項：私はOptunityの主要開発者です。}

問題は、パラメータテストであることが判明しました。とき、私は試していないgamma0.0の間である（1 / n_featureである）と私のデータ1.はgamma何かの周りに回転する必要があります1e-8