线性SVM与非线性SVM高维数据

Question

我正在开发一个项目，我使用Spark Mllib线性SVM对一些数据进行分类（l2正则化）。我有200个正面观察，150个（生成）负观察，每个有744个特征，代表一个人在房子不同区域的活动水平。

我已经进行了一些测试和＆＃34; areaUnderROC＆＃34;度量是0.991，似乎该模型非常好地分类我提供给它的数据。 我做了一些研究，我发现线性SVM在高维数据方面很好，但问题是我不明白线性可以如何很好地划分我的数据。

我认为在二维方面，也许这就是问题，但在查看底部图像时，我90％确定我的数据看起来更像是非线性问题

所以我在测试中取得好成绩是正常的吗？难道我做错了什么？我应该改变方法吗？

Answer 1

我认为您的问题是关于为什么线性SVM可以很好地分类我的高维度数据，即使数据应该是非线性的＆＃39;
一些数据集看起来像低维非线性，就像右边的示例图像一样，但很难说数据集在高维时肯定是非线性的，因为nD非线性可能是线性的（n + 1）D space.So我不知道为什么你90％确定你的数据集是非线性的，即使它是一个高维度。
最后，我认为您在测试样本中获得良好的测试结果是正常的，因为它表明您的数据集在高维度上只是线性或接近线性，或者它不能很好地工作。也许交叉验证可以帮助您确认你的方法是否合适。