machine-learning - libsvm 返回一个简单的解决方案

Question

我正在尝试使用libsvm对数据进行分类，如下图所示：

您可以“通过肉眼”看到蓝色和红色之间存在柔和的分离，但整个区域都存在一些蓝色样本，我会说“应该标记为红色”。

我无法让 libsvm 返回一个有意义的分类，并继续获得标记为蓝色的琐碎的单点。这发生在各种内核和参数值上。我认为使用成本变量并不能解决这个问题，因为蓝色样本比红色样本多 10 倍。

我错过了什么吗？是否有一些处理这种情况的 libsvm 参数？
或者 SVM 可能不适合该任务，您可以提出一些建议吗？

Answer 1

应该可以使用线性 SVM 获得非平凡的解决方案。您应该尝试不同的 C 值，并且由于您的数据不平衡，请使用 wi 参数来固定每个类的权重。

Answer 2

尝试做一些主成分分析或一些独立成分分析作为预处理。这应该可以帮助你。鸢尾花数据库有很多例子。