简介：基于支持向量机（SVM）的人体背部曲线分类识别MATLAB实现，面向机器学习、图像处理和医学形态分析方向的学习者，用于根据背部轮廓图像自动完成不同姿态或类别的判别。压缩包共114个文件，约1.64MB，核心资源为110张JPG人体背部样本图片和2个MATLAB源程序（.m），另有2个ASV自动备份文件；图片按不同背部形态编号排列，源程序涵盖图像读取、特征提取、SVM训练与分类识别的完整流程。从预览可看出工程包含主程序入口和多张人体系列样本图，数据与代码组织清晰，方便直接定位。代码带详细注释，运行主脚本即可复现分类结果，并且能观察不同类别背部曲线的特征差异。目前已有80人学习浏览，适合课程设计、毕业设计、SVM入门实践或进一步扩展研究，也便于替换图片或调整核函数、惩罚参数进行算法对比和二次开发。
1. 人体背部曲线分类识别：为什么SVM是比深度学习更稳的起点
脊柱侧弯筛查和体态评估里，“人体背部曲线”是核心观察对象。医生用手指沿棘突划线，靠目测判断有没有弯、弯到什么程度，经验不同结果就差很多；照片测量又容易受角度和光线影响。用程序做基于支持向量机SVM的人体背部曲线分类识别，本质就是把背部的几何轮廓变成一组数值特征，再交给SVM分类器区分正常、轻度侧弯和重度侧弯。我见过不少团队一上来就上CNN，手里样本只有两三百条，网络还没收敛就开始过拟合，调参调得怀疑人生；反而SVM在几百条小样本上稳定跑出不错准确率，训练按秒算，参数也就核函数、C、gamma几个，路径清晰。这篇文章给正在做体态评估项目、手里已经有曲线数据或能采集到数据的工程师，按数据整理、特征设计、SVM选型、代码实现、避坑排查的顺序讲完整个落地过程。
2. 背部曲线数据怎么整理：关键点采样、特征设计与标注规范
2.1 背部曲线的数据来源与存储格式：点云、轮廓图还是关键点坐标
背部曲线数据常见的获取方式有三种。深度相机（结构光或双目方案）能直接输出背部点云，从中提取脊柱正中线，采集成一系列三维点；普通照片经过人体分割，也能得到背部轮廓和脊柱棘突的连线；还有一类体态评估设备直接输出关键点坐标数组，颈椎C7、胸椎各节到骶椎S1都已经标好。不管原始来源是哪种，落到SVM输入之前，最好统一成关键点坐标序列：从颈部到腰部等间隔取N个点，每个点一个(x, y)坐标，存成CSV，一行是一条样本。
常见的数据组织方式是这样的：CSV第一行是列名，形如C7_x,C7_y,T1_x,T1_y,...,label，后面每行是一条人背的测量结果。坐标单位统一用毫米或厘米，label是类别编码。这里有一个容易被忽略的约定：关键点顺序必须一致，要么都从颈椎往骶椎排，要么反过来，绝对不能某些样本正序、某些样本倒序。我一般会在读取后立刻做一次顺序校验，比如计算相邻点距离的方差，方差异常大就说明有样本的坐标列顺序错了。
样本量方面，按我的经验，SVM在小样本上表现稳定，但也不是越少越好。每个类别最好不少于50条，三个类别合计150到300条是甜区；少于这个量，特征稍微多一点就容易抖。如果手里只有几十条，优先考虑用线性核而不是RBF核，后面会解释原因。数据集的划分比例我习惯用75%训练、25%测试，并且切分时强制按类别比例分层，避免某一类全挤进测试集。
2.2 曲线特征提取：偏移量、曲率、侧偏角与不对称系数
拿到原始坐标后，不能直接把坐标拉平当特征喂给SVM。SVM对特征维度没有序列概念，把N个点的x、y坐标依次展开成2N维向量，等价于把每个坐标当作独立维度，曲线相邻点之间的关系全丢了。正确做法是先把坐标转换成“几何上有含义”的特征，让分类器学到的是弯的形状，而不是一堆散点。
我经常用四类特征组合。第一类是偏移量：取首尾点连线作为竖直参考线，计算每个关键点相对这条参考线的水平偏移。正常背部偏移量基本在零附近小范围波动；C形侧弯会呈现单向偏移递增；S形侧弯则是一段正向偏移接一段负向偏移，正负交替的位置对应弯曲拐点。第二类是曲率：用相邻三点夹角的补角衡量局部弯曲程度，夹角越“折”，曲率值越大。第三类是整体侧偏角：计算首尾点连线和竖直方向的夹角，反映整条脊柱的倾斜程度。第四类是上下半段的面积不对称系数：分别累加上半段、下半段相对参考线的偏移面积，取差值比，用来区分弯在上段还是下段。
这四类特征组合起来维度不高。假设取10个关键点，偏移量10维，曲率8维，加上侧偏角和不对称系数各1维，总共20维。两百条样本、20维特征，这个比例对SVM非常友好，不需要额外做PCA降维。特征之间的物理单位不同，偏移量是毫米量级、曲率是无量纲的小数、角度是弧度，所以后面必须做标准化，这一步忘掉的翻车率极高，后面避坑章细说。
2.3 样本标注与数据集划分：先定标准再跑模型
标注是整条链路里最影响结果的一环，而且经常被低估。类别定义最好在采集之前就用书面标准定死：0代表正常，1代表轻度，2代表重度；具体的判定依据可以是Cobb角阈值、医生临床分级，或者是你们设备和金标准对比出来的结果。切忌“看着像轻度就标1”，同一个采集批次最好由同一个标注人来完成，或者至少统一标注口径，否则类别边界本身就是模糊的，再好的SVM也学不出清晰间隔。
数据集切分有个关键点：要用stratify保住类别比例。假设重度类别只占10%，如果不做分层切分，随机抽样后测试集里重度样本可能只有几条甚至没有，评估结果波动很大。代码上就是train_test_split里加一个stratify=y参数，一行解决。还有一点：如果数据是从不同设备、不同批次采集的，切分时最好按批次分组而不是纯随机，避免同一设备的特有噪声同时混进训练集和测试集，把设备差异误当成分类能力。
3. SVM在该分类任务里的选型逻辑：核函数、C与gamma的直观理解
3.1 为什么小样本曲线分类任务选SVM而不是神经网络
背部曲线分类这类任务有个典型特点：样本量小、特征维度低、类别相对清晰。神经网络在这个区间赢不了SVM。小样本下CNN很容易把训练集背下来，验证集却不见涨；而SVM的间隔最大化本质是在控制结构风险，也就是说它在拟合训练数据的同时，还在约束决策边界的复杂度，天然带正则化效果。用二三百条曲线训练一个ResNet是很勉强的事，但训一个RBF核SVM绰绰有余。
另外，SVM的复现性比神经网络好得多。深度学习跑一次一个结果，还要盯随机种子和初始化；SVM是一个凸优化问题，同一份数据、同一组参数，每次跑出来的结果一致，这对医疗相关场景很重要——你要给别人写报告、讲清楚怎么复现，SVM省很多解释成本。训练时间差异更明显，CPU上几秒钟的事，根本用不上GPU。
还有一个常被忽视的优点：SVM在特征维度不高时依然表现稳定。20维特征配上两百个样本，SVM不需要额外做特征筛选，而神经网络在这个维度下很容易把无关特征的噪声也学进去。所以我的选型判断是：样本量低于500、特征维度低于100，先别上深度学习，拿SVM跑一版基线，大概率结果够用。
3.2 RBF核和线性核的边界：gamma参数在曲线特征上意味着什么
核函数的选择直接决定决策边界的形状。线性核就是原始特征空间里画一条超平面，参数只有C，计算最快、最不容易过拟合，但前提是数据基本线性可分。背部曲线的特征里，偏移量和曲率跟侧弯程度往往是单调相关的，不少情况下线性核就能出不错的效果。我建议第一次跑通流程时先用线性核，拿到一个基线准确率。
RBF核则把样本隐式映射到更高维空间，能拟合更复杂的边界。它有两个参数：C和gamma。gamma直观理解是“单条样本的影响半径”：gamma越小，每条样本只影响邻近区域，决策边界越平滑；gamma越大，每个样本都撑起一个尖峰，边界跟着局部细节走，很容易把噪声也学进去。在曲线特征上，如果你发现训练集准确率接近100%、测试集差一截，第一步就去看gamma是不是设太大了。RBF的gamma取值跟特征尺度也有关，所以特征标准化这步不能省；标准化之后，我从0.01到1的范围开始扫。
核函数选择的另一个考量是：线性核只有一个超参数，RBF有两个，网格搜索的组合数翻好几倍。样本量特别少的时候，我一般用线性核或者gamma很小的RBF，避免模型在稀疏区域乱画边界。
3.3 C与class_weight：硬间隔和类别倾斜之间的平衡
SVM的损失函数由间隔和误分类惩罚两部分组成，C就是两者之间的权重。C大，对误分类惩罚重，模型宁可把边界画得曲折也要把训练集分对，但测试集容易翻车；C小，允许一定程度的误分类，边界更平滑，泛化通常会好一些。调参路径上，先固定一个gamma，把C从0.1到100按数量级扫一遍，看验证集表现，比两个参数一起乱试要容易定位问题。
class_weight这条值得单独说。背部曲线数据里重度样本天然比正常样本少，尤其是去医院场景下，正常样本可能占70%，重度只占5%。如果不做处理，SVM为了整体准确率，倾向于把所有不确定样本都判成多数类，结果是重度这个最需要被发现的类别recall接近0。解决办法有两个：一是class_weight="balanced"，让Sklearn按类别频率自动加权；二是对少数类别做重采样，但曲线数据扩增要小心，插值造出来的曲线不能太假。我一般优先用class_weight，参数简单，效果也稳定；若类别比例极端到10比1以内，再考虑SMOTE之类的过采样手段。
4. 跑通SVM分类：数据加载、特征提取、训练评估的完整代码与参数说明
4.1 数据加载与检查：列名、缺失值和关键点顺序校验
开始写代码前，先确认数据是哪种形态。如果已经有人帮你提取好了特征文件，每行是特征向量加label，那直接跳到4.3；如果手头还是原始坐标点，就需要自己写特征提取。下面这段代码假设CSV里存的是坐标序列，列名严格成对排列，label在最后一列。
import numpy as np import pandas as pd # 读取原始曲线坐标数据 # 列名约定：C7_x, C7_y, T1_x, T1_y, ..., S1_x, S1_y, label df = pd.read_csv("back_curve_samples.csv") print("样本形状:", df.shape) print("类别分布:", df["label"].value_counts().to_dict()) # 第一步先查缺失值和无效值：SVM对NaN零容忍 assert not df.isnull().values.any(), "存在NaN，需要先补全或删除该样本" assert np.isfinite(df.iloc[:, :-1].values).all(), "存在Inf值，需要清洗" # 第二步校验关键点数量：坐标列数减半就是关键点个数 n_points = (df.shape[1] - 1) // 2 print("关键点数量:", n_points)这段代码做了三件事：确认样本量和类别分布、排除NaN和Inf、算出关键点数量。类别分布这一行输出很关键，如果某一类样本数量少到个位数，后面训练出来的模型没有参考价值，不如回头先补数据。n_points这个值后面要用，特征提取函数需要知道每条样本有多少个点。
需要注意列名必须严格成对。如果CSV里还有ID列、采集日期列，一定要先剔除，否则df.shape[1] - 1算出来的点数就是错的，特征提取时reshape(-1, 2)会直接报错。我见过不止一次的翻车现场是：多加了一列时间戳，坐标被reshape成一串错位数组，特征值异常离谱，SVM准确率还不如随机猜。
4.2 特征提取：从坐标序列到几何特征向量
拿到坐标以后，把它们从DataFrame里拆出来，逐条转换成特征向量。这里给出完整的特征提取函数，整合了前面说的偏移量、曲率、侧偏角、不对称系数四类特征。
def extract_features(points): """ 从背部曲线关键点坐标提取特征向量。 points: (n_points, 2) 数组，顺序固定为从颈椎到骶椎。 返回: 1维特征数组，顺序为 offsets + curvatures + [tilt, asymmetry] """ points = np.asarray(points, dtype=np.float64) n = len(points) # 1. 偏移量：每个点相对首尾连线的水平偏移 # 用linspace在首尾点x坐标之间均匀插值，作为竖直参考线 ref_x = np.linspace(points[0, 0], points[-1, 0], n) offsets = points[:, 0] - ref_x # 2. 曲率近似值：相邻三点夹角的补角，夹角越折，值越大 curvatures = [] for i in range(1, n - 1): v1 = points[i] - points[i - 1] v2 = points[i + 1] - points[i] cos_angle = np.dot(v1, v2) / (np.linalg.norm(v1) * np.linalg.norm(v2) + 1e-8) curvatures.append(1.0 - cos_angle) # 3. 整体侧偏角：首尾连线相对竖直方向的角度，弧度制 end_vector = points[-1] - points[0] tilt = np.arctan2(end_vector[0], end_vector[1]) # 4. 上下半段的面积不对称系数 half = n // 2 area_up = np.abs(np.sum(points[:half, 0] - ref_x[:half])) area_down = np.abs(np.sum(points[half:, 0] - ref_x[half:])) asymmetry = (area_up - area_down) / (area_up + area_down + 1e-8) return np.concatenate([offsets, curvatures, [tilt, asymmetry]]) # 把整个DataFrame转成特征矩阵 X = np.vstack([ extract_features(df.iloc[i].drop(columns=["label"]).values.reshape(-1, 2)) for i in range(len(df)) ]) y = df["label"].values print("特征矩阵形状:", X.shape)这个函数输出特征维度是n_points + (n_points - 2) + 2。10个关键点时就是10加8加2等于20维。offset部分直接反映曲线的横向偏移轨迹，是SVM最重要的输入；curvature负责刻画局部拐弯的剧烈程度；tilt是一个标量，对整体歪斜敏感；asymmetry则帮助区分弯的位置在胸段还是腰段。
几个实现细节说明。计算夹角时给分母加了1e-8，防止两个点重合时除零；同一批数据的n_points必须一致，如果有样本点少了几个，SVM会因为特征维度不一致直接拒绝训练；np.vstack逐条调用函数，数据量几百条时完全够用，不必过度优化性能。另外，如果头部或尾部的关键点质量不可靠，可以适当裁剪或加权重，但要在所有样本上统一操作。
4.3 训练SVM分类器：先切分再归一化，Pipeline串起来
特征矩阵准备好后进入训练环节。这里最容易犯的错误是：先对整个X做标准化，再切分训练集和测试集。正确顺序是先切分，再用训练集拟合标准化器，测试集只能用同一个scaler做transform，否则测试集的信息提前渗入训练过程，测出来的准确率是虚高的。用Pipeline可以自动规避这个问题。
from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC from sklearn.pipeline import Pipeline # 切分训练测试集：分层抽样，保住类别比例 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.25, random_state=42, stratify=y ) # Pipeline串起标准化与SVM，fit时先scale再训练，predict时自动做同样的scale model = Pipeline([ ("scaler", StandardScaler()), ("svm", SVC( kernel="rbf", C=1.0, gamma=0.1, class_weight="balanced", random_state=42 )) ]) model.fit(X_train, y_train) print("训练集准确率: {:.4f}".format(model.score(X_train, y_train))) print("测试集准确率: {:.4f}".format(model.score(X_test, y_test)))参数含义拆开讲。kernel="rbf"是当前默认选择，适合曲线特征非线性可分的情况；C=1.0是误分类惩罚的初始值，先按默认跑通再调；gamma=0.1是RBF核的影响半径，在标准化后的特征上是一个相对保守的数值；class_weight="balanced"让模型自动按类别频率加权，重度样本少也不至于被淹没。random_state=42是固定随机种子，保证每次跑出的结果一致。
Pipeline在这里的好处是：fit时先对训练集计算均值和方差，再用同一套均值和方差变换测试集；你不需要手动记住scaler的状态。如果训练集和测试集准确率差距超过15个百分点，不用怀疑，要么gamma太大，要么特征里有离群值，先去查数据而不是继续调参。
4.4 评估要看什么：准确率、precision与recall的分歧
准确率只能告诉你整体对不对，在类别不平衡时容易骗人。假设正常类占70%、重度占5%，模型把所有样本都判成正常，准确率也有70%，但重度一个没查出来，这个模型在体检场景里等于废的。所以分类报告要逐类看precision和recall。
from sklearn.metrics import classification_report, confusion_matrix y_pred = model.predict(X_test) # 按业务类别名称输出分类报告 print(classification_report(y_test, y_pred, target_names=["正常", "轻度", "重度"])) # 混淆矩阵，行列分别对应真实类别和预测类别 cm = confusion_matrix(y_test, y_pred) print("混淆矩阵:\n", cm)读报告的顺序有讲究。先看每个类的recall：正常类recall低于90%，模型误伤太多，筛查场景会产生大量转诊；重度类recall低于70%，漏诊风险高，说明class_weight还不够或者特征区分度不足。再看precision：重度类precision低，说明模型把不少轻度样本错判成重度，系统可以再优化但不算致命。混淆矩阵能告诉你错在哪一对类别之间——如果大部分错误是“轻度→重度”双向混淆，说明这两类的特征边界本身就模糊，可以回去检查标注标准；如果错误集中在“正常→轻度”，则可能是阈值偏向问题，可以调整决策阈值而不是重新训练。
这一版的SVM训练流程已经具备完整的可运行性。接下来要回答的问题是：这些参数是默认值，怎么找到更稳的组合、避免掉进常见的坑。下面两章分别讲排查和调优。
5. 踩坑与排查：从特征泄漏到类别不平衡的5个实际问题
5.1 归一化漏掉之后：模型准确率卡在50%上下
现象：代码流程跟正常训练一模一样，但训练集准确率也只有60%不到，测试集更差，无论怎么调C和gamma都上不去。
原因：特征矩阵里偏移量是毫米量级，数值可能到几十；曲率是零点几的小数；侧偏角是弧度；不对称系数接近零。SVM的间隔计算依赖样本点的距离，量纲大的维度直接主导距离，量纲小的维度即便区分度再高也发挥不出来。漏掉StandardScaler的情况下，模型实际上是在拿偏移量的绝对值硬分类，其他特征等于噪声。
解决：把标准化加进Pipeline，并且确保它是第一条。不要手动单独对X做scaler.fit_transform(X)再切分，那样会让测试集的信息通过均值和方差渗透进训练，属于数据泄漏；在Pipeline里，scaler只会在训练集上fit，这是Sklearn推荐的标准做法。加了标准化之后，C和gamma这两个参数的取值范围才算有意义。
5.2 类别不平衡：重度样本recall为0，模型却在“装死”
现象：分类报告里正常类recall高达95%，轻度类也还行，但重度类recall是0.00，一条都没查出来。整体准确率看着不错，实际漏掉的全是最需要发现的样本。
原因：SVM默认目标是最小化整体误分类数，重度类样本少，分错了对整体损失影响小，模型自然倾向于把所有边界附近的样本都判给多数类。这在医疗筛查场景是致命的：你可以接受正常人多跑一趟复查，但接受不了重度侧弯被漏掉。
解决：先看类别分布，确认不平衡程度。然后给SVC加class_weight="balanced"，让少数类的误分类代价自动抬高。加了之后重度类recall通常会有明显改善，但要注意正常类precision可能略微下降，这是正常的权衡。如果类别比例悬殊到重度样本只有十几条，光靠class_weight不够，还要考虑对重度类做重采样或者在分类决策时手动降低阈值，让更多模糊样本被判成重度，再由医生复核。
5.3 盲目用RBF核：训练集100%但测试集只有60%
现象：训练集准确率接近100%，测试集掉到60%左右，调小C也没有明显改观。
原因：这是过拟合的典型信号，根源多半在gamma。gamma取值过大时，RBF核的决策边界完全跟着训练样本走，每个样本周围都形成了独立的影响区域，模型把训练集背了下来，但换一批新样本就露馅。注意这是RBF核特有的问题，线性核没有gamma参数，反而更抗过拟合。
解决：把gamma往小了调，比如从1.0降到0.01，看验证集表现。比较可靠的做法是不要凭感觉定，直接用网格搜索在C=[0.1, 1, 10, 100]和gamma=[0.001, 0.01, 0.1, 1]的范围内交叉验证。另外，如果样本量只有百来条，直接换线性核更省心，线性核在这个数据规模下通常已经够强，而且少一个参数少一堆玄学调参。
5.4 先归一化再切分：交叉验证分数虚高的数据泄漏
现象：代码里先写了scaler.fit_transform(X)，然后才train_test_split，结果测试集准确率异常高，高到让你觉得模型完美了。但换一份新数据来测，立刻打回原形。
原因：顺序写反了。StandardScaler在全体数据上计算均值和方差时，已经把测试集的信息混进去了；模型训练时看到的“分布范围”提前知道了测试集的长相，测试集不再是无偏评估。这不是SVM的bug，是评估流程的常见数据泄漏。
解决：把切分放在最前面，或者直接用Pipeline。我习惯是：数据读到内存，先检查清洗，然后立刻切分，再谈归一化和特征变换。train_test_split产生的X_train, X_test，任何数据变换都只能在X_train上fit。用Pipeline的好处是不用记这些顺序，它天然保证这个纪律。
5.5 关键点顺序不一致：特征向量出现极端离群值
现象：特征矩阵里有若干行的数值比其他样本大几个数量级，比如偏移量动辄上千；SVM训练过程中警告有样本远离决策边界，准确率时好时坏。
原因：数据采集时某些样本的坐标列顺序是反的，或者中间漏了点位。extract_features把首点当颈椎、末点当骶椎，如果一段样本恰好是反的，points[-1] - points[0]算出来的首尾连线方向就反了，后续所有偏移量计算全部错乱。
解决：写一个校验步骤，计算每条样本相邻点距离的方差。正常背部曲线相邻点距应该比较均匀，方差在合理范围内；若某条样本的方差是平均值的几十倍，多半是点位顺序问题。另一种校验方法是看首尾点坐标：颈椎C7和骶椎S1在x方向通常居中、y方向差最大，如果首点y坐标反而最小，就翻转数组。这个坑在手工标注的数据里出现频率很高，脚本校验比肉眼检查可靠得多。
6. 参数调优与结果验证：网格搜索、混淆矩阵与新样本预测
6.1 用网格搜索稳定复现最优参数组合
手动调C和gamma很容易陷入局部满意，换一组随机种子结果就不稳。网格搜索配合交叉验证是更可靠的做法：把参数空间铺开，每个组合都训练K轮，取平均分比较。
from sklearn.model_selection import GridSearchCV from sklearn.svm import SVC from sklearn.pipeline import Pipeline from sklearn.preprocessing import StandardScaler model = Pipeline([ ("scaler", StandardScaler()), ("svm", SVC(kernel="rbf", class_weight="balanced", random_state=42)) ]) param_grid = { "svm__C": [0.1, 1, 10, 100], "svm__gamma": [0.001, 0.01, 0.1, 1], } grid = GridSearchCV( model, param_grid, cv=5, scoring="f1_macro", n_jobs=-1 ) grid.fit(X_train, y_train) print("最优参数:", grid.best_params_) print("交叉验证最优F1:", grid.best_score_)这里有几个关键选择。scoring="f1_macro"而不是accuracy，因为类别不平衡时accuracy会把多数类的主导地位带入评分中，f1_macro对每个类一视同仁，更能体现少数类的分类能力。cv=5表示5折交叉验证，样本量少时这个折数合适，更少可能方差大，更多训练成本高。网格里的C和gamma各取4个值，组合16组，每组训练5轮，总共80次SVM训练，数据量只有几百条时几秒钟就跑完。n_jobs=-1表示用满CPU核心，跑完记得检查grid.best_params_，如果最优值落在网格边界上，说明搜索范围没包住，需要扩展该方向的取值范围重跑一次。
6.2 对单条新曲线做预测：从坐标到分类结果的完整流程
模型调好后，实际使用场景是一条新的人体背部曲线进来，快速给出分类结果。因为用的是Pipeline，predict时自动完成标准化，不需要手动处理一遍scaler。
def predict_curve(points): """ 输入一条背部曲线的关键点坐标，输出分类结果和决策函数分数。 points: (n_points, 2) 数组。 """ feats = extract_features(points).reshape(1, -1) label = grid.best_estimator_.predict(feats)[0] score = grid.best_estimator_.decision_function(feats)[0] return label, score # 示例：新样本坐标（11个关键点，坐标顺序从颈椎到骶椎） new_points = np.array([ [2.1, 0.0], [1.9, 1.0], [1.8, 2.0], [2.3, 3.0], [3.1, 4.0], [3.8, 5.0], [4.2, 6.0], [4.0, 7.0], [3.5, 8.0], [3.0, 9.0], [2.8, 10.0] ]) label, score = predict_curve(new_points) print("预测类别:", ["正常", "轻度", "重度"][label]) print("决策函数分数:", score)这里用decision_function而不是predict_proba是有原因的。SVC默认不输出概率，改成probability=True需要额外做Platt缩放，训练时间增加，且小样本上概率校准并不一定可靠。decision_function返回的是“一对多”模式下各个类别的决策得分数值，最大分数对应的类别就是最终预测，分数绝对值可以当作置信度的粗略参考——离零点越远，把握越大，但别把它当天花板。
6.3 用PCA可视化验证特征可分性，而不是只盯准确率
调参调到最后，准确率已经能看的时候，建议花两分钟做一次PCA可视化。把特征降到二维，按类别染色画在散点图上，能直接看到这张分类问题的天花板在什么位置。
from sklearn.decomposition import PCA import matplotlib.pyplot as plt pca = PCA(n_components=2) X_pca = pca.fit_transform(X_test) colors = ["green", "orange", "red"] labels = ["正常", "轻度", "重度"] for i in range(3): mask = (y_test == i) plt.scatter(X_pca[mask, 0], X_pca[mask, 1], c=colors[i], label=labels[i], edgecolor="k", s=40) plt.xlabel("PC1") plt.ylabel("PC2") plt.legend() plt.show()一个血泪经验：如果PCA图上三个类别几乎完全重叠，问题不在SVM，也不在C和gamma，而在特征本身。这时候继续调参只是自我安慰，应该回头重新设计特征——比如增加更多关键点、加入弯曲角度的分段统计，而不是跟核函数较劲。如果图上类别边界清晰但线性不可分，RBF核就有发挥空间；如果边界清晰且近乎线性，线性核反而更稳。可视化不能替代量化评估，但它能告诉你还有多少提升空间，以及该往哪个方向努力。
这类任务我做完之后的习惯是：把训练好的Pipeline、特征提取函数和PCA可视化代码一并保存，参数记录在项目说明里。两周后有人问起“这个重度样本为什么分出来了”，还能从特征和决策分数里把原因讲清楚。SVM这条路，数据整理了、特征做对了、参数不贪多，大多数时候都能稳定落地。希望帮到你。
本文还有配套的精品资源，点击获取
