Степень точности классификатора SVM варьируется в разных машинах

Я использую библиотеку LIBSVM , библиотеку для поддерживающих векторных машин, совместимую как с Python, так и с Matlab, для выполнения классификации в алгоритме распознавания цифр, а также алгоритма распознавания лиц.

Перед выполнением SVM-классификации я столкнулся с очень странной проблемой. Частота точности и обучения и тестирования сильно варьируется, когда я запускаю программу на разных компьютерах, используя ту же базу кода, тот же интерпретатор (Python в моем случае) и те же данные обучения и тестирования.

Вот код только для вызова функции для классификации алгоритма распознавания цифр ( здесь количество обучающих изображений = 1409 и количество тестовых изображений = 997 ):

from svmutil import * """Data for training""" train_features, train_labels = load_data('ocr_data/training/') """Data for testing""" test_features, test_labels = load_data('ocr_data/testing/') """Training a linear-SVM classifier""" train_features = train_features.tolist() test_features = test_features.tolist() problem = svm_problem(train_labels, train_features) parameter = svm_parameter('-t 0') model = svm_train(problem, parameter) svm_save_model('ocr.model', model) res = svm_predict(train_labels, train_features, model) res = svm_predict(test_labels, test_features, model) 

Результат для точности после обучения и тестирования приведен ниже для 4-гигабайтной оперативной памяти / 64-битной ОС Windows 8:

 Accuracy = 97.0901% (1368/1409) (classification) Accuracy = 35.6068% (355/997) (classification) 

Другой выход для того же самого в ноутбуке 2gb RAM / 32-bit OS Windows 7:

 Accuracy = 100.00% (1409/1409) (classification) Accuracy = 99.29% (990/997) (classification) 

Есть другие выходы с переменной точностью для некоторых других компьютеров, которые я не включаю. Я также столкнулся с той же проблемой с другим алгоритмом распознавания лиц, запрограммированным в Matlab.

Является ли это обобщенной проблемой с SVM, или я делаю что-то неправильно. Также, если это частая проблема с классификацией SVM, пожалуйста, дайте мне знать, какова фактическая причина этого. Любое решение оценивается. Благодарю.

• Многопроцессорный scikit-learn
• особенность Союз гетерогенных признаков
• Keras: перестроить для подключения lstm и conv
• iloc, дающий 'IndexError: единственный позиционный индексатор вне границ'
• Как я могу построить оценку максимального правдоподобия в Python