Java 什么'；使用WEKAAPI对高维整数向量进行分类的最佳方法是什么？

我有一些整数的高维（30000维）向量。我有两门课：[是，不是]。我有6000个是类的样品和50000个非类的样品。我想训练一个分类器，将来自动将新样本分类到其中一个类中

我知道如何使用wekajavaapi，但我不确定使用哪种算法。有人能就以下问题给我一些建议吗

向量的维数是否太高，或者我是否有太多的样本在Weka中无法有效地执行此操作

我应该在开始之前降低维度吗？我可以使用什么算法来识别特征向量的重要元素

哪种分类器最适合对此类数据进行分类？我认为决策树应该可以很好地工作，但也许朴素的贝叶斯训练更快，是吗

既然每个元素在weka中都必须有一个名称，那么我如何为我的30000个特性中的每一个指定一个名称呢

任何建议都将不胜感激。谢谢

这个问题的维数肯定很大，但我相信Weka应该能够处理大量的维数。样本的数量应该不会有问题，但是没有类的样本要比有YES类的样本多得多，因此平衡两者可能有助于更好地对没有类的案例进行分类

如果您认为存在冗余尺寸或某些尺寸可能包含噪波，那么这肯定会有所帮助

决策树不应该是太大的问题。Weka中有许多可用的算法，但鉴于问题的维数，我不推荐使用神经网络

如果已将数据保存在CSV文件中，则可以在数据的第一行中指定属性名称。通过这种方式，可以指定属性名称。给定维度的数量，您可能会调用a1到30000，并为输出类调用输出

希望这有帮助