即使在PCA之后，处理不可分离数据的可能方法是什么？
即使在PCA之后，处理不可分离数据的可能方法是什么？
提问于 2017-07-14 07:16:40
你好，数据科学家，
我正在处理一个复杂的分类/预测问题，我发现很难将这些类分开。即使在PCA之后，我的数据(在两台PCA上)看起来也是这样的：
考虑到这个数据集，哪种方法可以最准确地预测类？
背景:我试图通过最好的方法/算法来解决建模的问题。
非常感谢，
回答 2
Data Science用户
发布于 2017-07-14 08:31:19
你的问题没有人监督吗？如果不是，数据不需要在二维上“视觉上”可分离，您可以使用多维分类器为您创建分离(线性或非线性，只是取决于分类器)。
如果您的问题是无监督的，尝试其他方法来聚类数据，如K均值或基于树的聚类(即分层)。
Data Science用户
发布于 2018-01-13 20:05:47
数据在2-D中可分离是不重要的。您可以尝试PCA + SVM组合来检查数据的最佳分离点(维数)。您可以通过网格搜索PCA的参数来完成这项工作。
如果你只是在可视化数据，你也可以尝试the嵌入。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/20435
复制
相似问题
getDeclaredMethods()和隐藏超类静态方法
“类方法”和“静态方法”有什么区别？
隐藏超类方法的静态方法的Typescript绑定
使重写方法的超类引用超类
超类隐藏方法
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
