我想评估3个类的功能的可分离性，并对其他2组功能进行相同的操作，最终表明我的功能提供了最佳的可分离性。为了更清楚，我想测量不同的类以及每个类的紧凑程度。我发现散射矩阵是一个很好的选择。
我的问题是：
当数据不是线性可分的时候可以使用它们/当数据的分布未知或不是高斯时（在某些地方我读到散射矩阵在数据可线性分离或高斯分布时很有用）。< / p>
这只会给我数字，是否存在说明可分性的图形方式。我的功能是256-D，有409个数据实例。
答案 0 :(得分：0)
为了评估聚类的距离，您可以进行简单的测试：计算每个聚类的平均点并查看这些点之间的距离。这不会告诉您数据是否可分离，或者数据点在群集中的分散程度，但它会告诉您正在发生的事情。
关于散射矩阵，它是协方差矩阵的近似值： 协方差矩阵（通常用于查看其特征值/向量）描述了数据点集。你在这里要问的问题是：好的，哪些方向可以最大化数据的方差，从而带来最大的能量。它不关心数据是否可线性分离或数据的分布是什么。
我认为在256维度中描绘数据的方法并不好！但你可以绘制边距等。
希望这有帮助， 亚历