基于sklearn SVM的人脸识别项目两类核心问题求助

问题1：多样本类别导致识别偏差 #

原因 #

你的SVM分类器默认基于平衡数据集训练，当某一类别（如A）的样本数量多于其他类别时，模型会倾向于预测样本数更多的类别——训练时模型会优先减少整体错误，样本多的类别隐性权重更高，最终导致其他类别甚至无关人脸都被误判为该类别。

解决方案 #

使用SVM的class_weight参数自动平衡类别权重，给样本数量少的类别分配更高权重，抵消样本不平衡的影响。

修改代码中SVM初始化的行：

# 原代码
clf = svm.SVC(gamma="scale")

# 修改后
clf = svm.SVC(gamma="scale", class_weight='balanced')

class_weight='balanced'会根据每个类别的样本数自动计算权重，公式为n_samples / (n_classes * np.bincount(y))，样本越少的类别权重越高，让模型对每个类别的错误惩罚更公平。

问题2：无法识别未知人脸 #

原因 #

默认的SVM是硬分类器，无论输入是否属于训练过的类别，都会强制输出一个已知类别，不会返回"未知"结果。

解决方案 #

让SVM支持概率输出，通过预测概率的阈值判断是否为未知人脸：

1. 初始化SVM时开启probability=True，让模型能输出每个类别的预测概率；
2. 预测时获取最大概率值，若低于设定阈值（如0.7），则判定为"未知"。

修改代码中的两处：

1. SVM初始化

clf = svm.SVC(gamma="scale", class_weight='balanced', probability=True)

2. 人脸预测逻辑

# 原预测代码
name = clf.predict([encoding])
print(name)
face_names.extend(name)

# 修改后
pred_probs = clf.predict_proba([encoding])
max_prob = pred_probs.max()
# 阈值可根据实际识别效果调整
if max_prob >= 0.7:
    name = clf.predict([encoding])
else:
    name = ["Unknown"]
face_names.extend(name)

predict_proba会返回每个类别的预测概率，最大值代表模型对当前预测的置信度，低于阈值说明模型对该人脸的匹配度不足，直接标记为"Unknown"。

内容的提问来源于stack exchange，提问作者Arafat Khan