Вычисление Ближайшего Соответствия к Паре Mean/Stddev С LibSVM

Я плохо знаком с SVMs, и я пытаюсь использовать интерфейс Python для libsvm для классификации образца, содержащего среднее и stddev. Однако я получаю бессмысленные результаты.

Действительно ли эта задача является несоответствующей для SVMs или является там ошибкой в моем использовании libsvm? Ниже простой сценарий Python, который я использую для теста:

#!/usr/bin/env python
# Simple classifier test.
# Adapted from the svm_test.py file included in the standard libsvm distribution.
from collections import defaultdict
from svm import *
# Define our sparse data formatted training and testing sets.
labels = [1,2,3,4]
train = [ # key: 0=mean, 1=stddev
    {0:2.5,1:3.5},
    {0:5,1:1.2},
    {0:7,1:3.3},
    {0:10.3,1:0.3},
]
problem = svm_problem(labels, train)
test = [
    ({0:3, 1:3.11},1),
    ({0:7.3,1:3.1},3),
    ({0:7,1:3.3},3),
    ({0:9.8,1:0.5},4),
]

# Test classifiers.
kernels = [LINEAR, POLY, RBF]
kname = ['linear','polynomial','rbf']
correct = defaultdict(int)
for kn,kt in zip(kname,kernels):
    print kt
    param = svm_parameter(kernel_type = kt, C=10, probability = 1)
    model = svm_model(problem, param)
    for test_sample,correct_label in test:
        pred_label, pred_probability = model.predict_probability(test_sample)
        correct[kn] += pred_label == correct_label

# Show results.
print '-'*80
print 'Accuracy:'
for kn,correct_count in correct.iteritems():
    print '\t',kn, '%.6f (%i of %i)' % (correct_count/float(len(test)), correct_count, len(test))

Домен кажется довольно простым. Я ожидал бы, что, если это обучено знать среднее из 2,5 средств, маркируют 1, затем когда это видит средний из 2,4, это должно возвратиться, маркируют 1 как наиболее вероятную классификацию. Однако каждое ядро имеет точность 0%. Почему это?

Несколько примечаний стороны, там способ скрыть весь подробный учебный вывод, выведенный libsvm в терминале? Я искал документы и код libsvm, но я не могу найти способ выключить это.

Кроме того, я хотел использовать простые строки в качестве ключей в моем редком наборе данных (например, {'означают ':2.5, 'stddev ':3.5}). К сожалению, libsvm только поддерживает целые числа. Я пытался использовать представление длинного целого строки (например, 'средний' == 1109110110971110), но libsvm, кажется, усекает их к нормальным 32-разрядным целым числам. Единственное обходное решение, которое я вижу, должно поддержать отдельный "ключевой" файл, который отображается, каждая строка к целому числу ('имейте в виду' =0, 'stddev' =1). Но очевидно это будет болью, так как я должен буду поддержать и сохранить второй файл наряду с сериализированным классификатором. Кто-либо видит более легкий путь?