为什么我的支持向量机精度在调整后下降,而它应该增加?

实际上,我正在尝试使用e1071包使用svm进行一些分类工作。当我把svm的精度调低到47%左右时,我就试着把它的精度调低到58%左右。我尝试过使用不同的成本和gamma值进行调整,但结果仍然相同。下面是我的一个调优代码示例:

未经调整的代码:

model<-svm(rating~.,data=train,kernel="radial")
summary(model)
Predictor<-predict(model,test)
confusionMatrix(table(Predictor,test$rating))

     summary(tune.svm(rating ~ ., data = train,
    +                  kernel = "radial", gamma = 10^(-1:1), cost = 10^(-1:1)))

    Parameter tuning of ‘svm’:

    - sampling method: 10-fold cross validation 

    - best parameters:
     gamma cost
       0.1  0.1

对于没有调优的代码,我得到了大约57%的准确率。以下是我的调整代码:

> tuned<-svm(rating~.,data=train,kernel="radial",cross=10,gamma=0.1,cost=0.1)
> Prediction<-predict(tuned,test)
> confusionMatrix(table(Prediction,test$rating))
Confusion Matrix and Statistics


Predictor_1   1   2   3
          1   0   0   0
          2 257 467 257
          3   0   0   0

Overall Statistics

               Accuracy : 0.476  

我也试过设置:

1. gamma = 10^c(-1:10), cost = 10^c(10,20,30,40,50,60,70,80,90,100)

2. gamma = 10^c(10,20,30,50,60,70,80,90,100), cost = 
   10^c(10,20,30,40,50,60,70,80,90,100)))

3. gamma = 10^c(-1:20), cost = 10^c(10,20,30,40,50,60,70,80,90,100)

结果仍然完全一样。为什么会这样?我该怎么做呢?有什么建议吗?提前谢谢。