线性支持向量机与非线性支持向量机高维数据

Question

我正在一个项目中使用Spark Mllib线性支持向量机对一些数据进行分类（l2正则化）。我有200个积极的观察结果和150个（产生的）消极观察结果，每个数据具有744个特征，代表了房屋不同区域的人的活动水平。

我已经运行了一些测试，并且“areaUnderROC”度量值为0.991，并且似乎该模型在对我提供给它的数据进行分类时非常好。 我做了一些研究，发现线性SVM在高维数据中很好，但问题是我不明白线性如何能够很好地分割我的数据。

我觉得在2D，也许这是问题，但找底部的形象，我90％肯定，我的数据看起来更像是一个非线性问题

所以这是正常的，我有一个好测试结果？难道我做错了什么？我应该改变方法吗？

Answer 1

我觉得你的问题是关于“为什么线性SVM能classfy我HIGHT尺寸数据良好，即使该数据应该是非线性的”
一些数据集看起来像在低维非线性就像在右边你示例图片，但从字面上来说很难说高维数据集肯定是非线性的，因为nD非线性在（n + 1）D空间中可能是线性的。所以我不知道为什么你90％确定你的数据集即使它是高维度也是非线性的。
最后，我认为你在测试样本中有很好的测试结果是正常的，因为它表明你的数据集在高维方面是线性的或接近线性的，或者它不会很好地工作。也许可以进行交叉验证帮助你确认你的方法是否合适。