R语言Support Vector Machine模型predict返回预测值全为0问题求助

核心错误点 #

• 数据集拆分逻辑错误：sample.split()的第一个参数要求传入响应变量列而非整个数据集，直接传入ult会导致拆分逻辑完全失效，训练集和测试集的分布可能完全不符合随机抽样要求
• 数据预处理顺序错误：你在拆分训练集、测试集之后才修改ult$dns为因子类型，这就导致提前拆分出来的training_set里的dns列还是修改前的类型，和测试集的dns列因子水平不匹配，模型训练时标签逻辑异常
• 列索引依赖风险：你使用test_set[,-7]、test_set[,7]通过数字索引取特征和标签，一旦数据集列顺序发生变化就会出现特征、标签不匹配的问题，很容易导致预测时输入的特征完全错误
• 缺少SVM必要的特征预处理：SVM模型对特征尺度高度敏感，若未对数值特征做标准化/归一化处理，大尺度特征会完全主导模型计算，模型无法学到有效分类规律，最终只会输出占比最高的类别
• 语法小问题：你提供的代码中table语句缺少右括号，若实际运行代码也存在该问题会导致结果输出异常

修复步骤 #

1. 调整预处理顺序，先处理标签，再拆分数据集：

library(caTools)
library(e1071) # 提前加载svm所在的依赖包
set.seed(123)
# 先处理标签列
ult$dns<-factor(ult$dns, labels = make.names(levels(ult$dns)))
# 拆分时传入响应变量列保证分层抽样
split<-sample.split(ult$dns, SplitRatio = 0.8)
training_set<-subset(ult, split == TRUE)
test_set<-subset(ult, split == FALSE)

2. 补充特征标准化处理：

# 对除标签外的所有数值列做标准化，适配SVM对特征尺度的要求
feature_cols <- which(names(training_set)!="dns")
training_set[,feature_cols] <- scale(training_set[,feature_cols])
test_set[,feature_cols] <- scale(test_set[,feature_cols])

3. 修改模型训练和预测代码，用列名替代数字索引：

svm.model.ult <- svm(dns ~ ., data = training_set, type = "C-classification", cost = 1,gamma = 0.125, cross =10)
# 预测时直接传入测试集，模型会自动匹配特征列
svm.pred.ult <- predict(svm.model.ult, test_set)
# 生成混淆矩阵
table(pred = svm.pred.ult, true = test_set$dns)

4. 若修复后还是全预测同一类别，先验证训练集标签分布：

table(training_set$dns)

如果某一类占比超过90%属于类别不平衡问题，需要调整svm()的class.weight参数给少数类更高权重，或者通过网格搜索调整cost、gamma参数优化模型分类效果。

内容的提问来源于stack exchange，提问作者Callum Pet