SVM RBF核分类算法异常结果分析与解决方案

1、问题背景
使用scikit-learn库的SVM分类算法（RBF核）时，在使用该页面上提供的示例http://scikit-learn.org/stable/auto_examples/svm/plot_iris.html时，我们使用标准差为10的正态分布数据创建了自己的图形，而不是鸢尾花数据。生成的图形如下：

注意，RBF核图形与示例中的图形有很大不同。除红色和蓝色部分外，整个区域都被归类为黄色。换句话说，支持向量太多。尝试更改C和degree参数，但没有帮助。下面是用于生成此图形的代码。

import numpy as np
import pylab as pl
from sklearn import svm, datasets

FP_SIZE = 50
STD = 10

def gen(fp):

  data = []
  target = []

  fp_count = len(fp)

  # generate rssi reading for monitors / fingerprint points
  # using scikit-learn data structure
  for i in range(0, fp_count):
    for j in range(0,FP_SIZE):
      target.append(i)
      data.append(np.around(np.random.normal(fp[i],STD)))

  data