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