降维使数据非线性可分

时间:2013-04-28 19:39:48

标签: svm pca

我正在开展一个使用SVM对听力障碍进行分类的项目。我从网站上收集了实时数据(http://archive.ics.uci.edu/ml/machine-learning-databases/audiology/),最初决定选择两个班级对耳朵正常的患者和任何疾病患者进行分类。将优化参数C从0.1变为10,在两个类之间得到一个未命中分类(C = 10)。 但是,我想用决策边界绘制数据,但数据集有大约68个特征,因此无法绘制它。我使用PCA减少到2D并在此数据上使用svm来查看结果。但是当我使用PCA时,数据不再保持线性可分,线性决策边界不能分离2D PCA数据。所以我想知道是否有办法减少维度但保留数据的性质(自然界如使用线性决策边界的可分性)。有人可以帮帮我吗?

由于

0 个答案:

没有答案