我正在开展一个使用 SVM 对听力障碍进行分类的项目。我从该站点收集了实时数据（http://archive.ics.uci.edu/ml/machine-learning-databases/audiology/) 并最初决定分为两个类别来对耳朵正常的患者和任何疾病的患者进行分类。将优化参数 C 从 0.1 变为 10，我得到两个类之间的一个错误分类 (C=10)。但是我想用决策边界绘制数据，但数据集有大约 68 个特征，所以无法绘制它。我使用 PCA 减少到 2D 并在此数据上使用 svm 来查看结果。但是当我使用 PCA 时，数据不再保持线性可分，并且线性决策边界无法分离 2D PCA 数据。所以我想知道是否有办法减少维度但保留数据的性质（性质如使用线性决策边界的可分离性）。谁能帮帮我吗？
谢谢