インデントエラーが治らない、python

csvファイルから特徴量データを読み込んで、SVM等で分類をしたいと考えています
しかし、

SVM(X_train_std, X_test_std, Y_train, Y_test)
                                                 ^
IndentationError: unindent does not match any outer indentation level

上記に示すエラーが発生し、調べてみると、行のスペースのに問題がある可能性があるとのことでしたが、
治したつもりですが、同じエラーが発生してしまいます。
原因が分かる方がいましたら教えてください。
以下にコードを示します。

import scipy as sp
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier #RandomForest
from sklearn.svm import SVC # SVM用
import lightgbm as lgb

def SVM(X_train_std, X_test_std, Y_train, Y_test):
    model_SVM = SVC(random_state=0, kernel = "rbf", C = 1000 , gamma = 0.01 )
	#学習モデル構築。引数に訓練データの特徴量と、それに対応したラベル
    model_SVM.fit(X_train_std,Y_train)

	#予測したクラスラベル
    Y_pred = model_SVM.predict(X_test_std) 
 
	# .scoreで正解率を算出。
    print("\nSVM")	
    print("train score:",model_SVM.score(X_train_std,Y_train))
    print("test score:",model_SVM.score(X_test_std,Y_test))
    

def GBM(X_train, X_test, Y_train, Y_test):
    model_GBM = lgb.LGBMClassifier(boosting_type='gbdt', num_leaves=58, 
								   max_depth=14, learning_rate=0.1, n_estimators=940, 
								   min_child_samples=40, importance_type="split", random_state=0)

	#学習モデル構築。引数に訓練データの特徴量と、それに対応したラベル
    model_GBM.fit(X_train, Y_train)

	#予測したクラスラベル
    Y_pred = model_GBM.predict(X_test) 
 
	# .scoreで正解率を算出。
    print("\nGBM")	
    print("train score:",model_GBM.score(X_train,Y_train))
    print("test score:",model_GBM.score(X_test,Y_test))
    
   
def main():

	case_name = "case3"

	case_dir = "./casestudy/{}/".format(case_name)
	input_csv_name = "2_extracted_features_original.csv"
	input_csv_path = case_dir + input_csv_name
	input_df = pd.read_csv(input_csv_path, encoding="utf-8-sig")

	
	task = "all"
	train_df = input_df[input_df["train_test_flag"] == 0]
	test_df = input_df[input_df["train_test_flag"] == 1]
	

	X_train = train_df.loc[:, "contrast":"inverse_difference_m_norm"]
	X_test = test_df.loc[:, "contrast":"inverse_difference_m_norm"]
	# print(X_train)
	# print(X_test)
	Y_train = train_df["category"]
	Y_test = test_df["category"]
	

	sc = StandardScaler()
	sc.fit(X_train)
	X_train_std = sc.transform(X_train)
	X_test_std = sc.transform(X_test)
	

    SVM(X_train_std, X_test_std, Y_train, Y_test)
    GBM(X_train, X_test, Y_train, Y_test)
	
if __name__ == "__main__":
	main()