我目前遇到在高度稀疏的数据集上使用 SVM的问题。问题是我有N * M数据集，其中N个例子和M个特征。 每个N几乎没有10个特征。
截至目前，我将这些特征表示为二进制向量，即如果现在在给定的0中存在该特征，则为1。 数据集是平衡的，我的准确率为94％。此外，ROC为0.93 。我试图理解为什么这种准确性会很高。
（1）任何人都可以引导我阅读相关论文，其中稀疏数据集具有高精度，我可以尝试找到如此高精度的原因。
（2）我还计划使用SciKit Learn。任何人都可以建议我在scikit中应该使用哪个函数在SVM中学习，这是为这种高稀疏度数据集而设计的。
（3）如果任何人可以尝试向我解释如此高准确度背后的原因，那么它会很棒。
（4）此外，如果我将二元特征表示更改为某种加权表示，它是否会给我一些优势。
答案 0 :(得分：0)
嗯，对于初学者来说，稀疏的训练数据并不一定意味着分类准确度必须很低。如果您能找到一个好的决策边界，那么数据是否稀疏并不重要。请记住，支持向量本身是数据的一个非常小（=稀疏）的子集，但它们仍然足以用于分类目的。与机器学习一样，算法结果高度依赖于问题域和所选择的参数。
对于您的第二个问题，“svm稀疏数据”的第一个google结果显示此链接： http://scikit-learn.org/stable/modules/svm.html
至于第四个问题，一旦你尝试过，你只能知道答案，没有人知道你的方法和有关数据的更多细节，没有人可以预测结果。