MATLAB基本SVM训练效果很好（C值设的比较大），但拿测试集测试的时候，24个测试集输出一个定值，附图

Question

训练效果很好（C值设的比较大），但拿测试集测试的时候，24个测试集输出一个定值，不知道怎么回事？
以下附代码，求教：
clc
clear
close all
X=m_data(1:744,1:8);Y=m_data(1:744,9);
Xt=m_data(745:768,1:8);Yt=m_data(745:768,9);
%% 利用回归预测分析最佳的参数进行SVM网络训练
cmd = ['-c 5990 -g 10 -s 4 -p 0.01'];
model = svmtrain(Y,X,cmd);
%% SVM网络回归预测
[Yx,mse] = svmpredict(Y,X,model);
[Yc,mse] = svmpredict(Yt,Xt,model);
%训练性能误差
E=Yx-Y;
%M=mse(E)
N=sse(E)
%测试性能误差
A=Yc-Yt;
%m=mse(A)
n=sse(A)
%% 结果分析
figure(1)
plot(Y,'r');
hold on;
plot(Yx,'b.:');
legend('训练样本值','svm拟和值');
xlabel('训练样本个数');
ylabel('VAC聚合率');
figure(2)
plot(Y-Yx);
title('SVM训练绝对误差曲线')
legend('训练样本误差');
xlabel('训练样本个数');
ylabel('SVM训练绝对误差');
grid
figure(3)
plot(Yt,'r');
hold on
plot(Yc,'b.:')
title('SVM网络误差曲线')
legend('测试样本值','svm输出值');
xlabel('测试样本个数');
ylabel('VAC聚合率');
figure(4)
plot(Yt-Yc);
title('LSSVM测试绝对误差曲线')
legend('测试样本误差');
xlabel('测试样本个数');
ylabel('SVM测试绝对误差');
grid;

Answer 1

你这个是SVR吧，训练效果好说明不了什么，很可能是过拟合了，overfit。训练时C很大e很小时，很大可能都能找出训练效果特别好的模型。这个输出是常数基本这个模型没有意义，如果是两类分类就是50%概率在猜。
建议你预处理下特征，gridsearch下C和g重新试试。
样本采样时间好像不一样，也可以调一下？
样本不好，什么模型都不好用。