線性支持向量機與非線性支持向量機高維數據

Question

我正在一個項目中使用Spark Mllib線性支持向量機對一些數據進行分類（l2正則化）。我有200個積極的觀察結果和150個（產生的）消極觀察結果，每個數據具有744個特徵，代表了房屋不同區域的人的活動水平。

我已經運行了一些測試，並且「areaUnderROC」度量值爲0.991，並且似乎該模型在對我提供給它的數據進行分類時非常好。 我做了一些研究，發現線性SVM在高維數據中很好，但問題是我不明白線性如何能夠很好地分割我的數據。

我覺得在2D，也許這是問題，但找底部的形象，我90％肯定，我的數據看起來更像是一個非線性問題

所以這是正常的，我有一個好測試結果？難道我做錯了什麼？我應該改變方法嗎？

Answer 1

我覺得你的問題是關於「爲什麼線性SVM能classfy我HIGHT尺寸數據良好，即使該數據應該是非線性的」
一些數據集看起來像在低維非線性就像在右邊你示例圖片，但從字面上來說很難說高維數據集肯定是非線性的，因爲nD非線性在（n + 1）D空間中可能是線性的。所以我不知道爲什麼你90％確定你的數據集即使它是高維度也是非線性的。
最後，我認爲你在測試樣本中有很好的測試結果是正常的，因爲它表明你的數據集在高維方面是線性的或接近線性的，或者它不會很好地工作。也許可以進行交叉驗證幫助你確認你的方法是否合適。