Python 您是否希望在2D-PC空间中使用线性分类器来分隔这两个类？

我总共有183个特征，我已经应用了PCA来减少维度，然后我做了一个散点图。现在的问题是：“直观地分析散点图。你是否期望一个线性分类器在2D-PC空间中分离这两个类？”

下面是散点图代码：

plt.figure(figsize =(6, 6))
plt.scatter(x_pca[:, 0], x_pca[:, 1], c = y_train)
plt.xlabel('First Principal Component')
plt.ylabel('Second Principal Component') 
legend1 = plt.legend(*scatter.legend_elements(),
               loc="upper right", title="Classes")

---

如果您想根据PCA后降维的两个特征对它们进行分类，那么很明显，您不能期望线性分类器将它们分开，如图所示

然而，可以在另一个空间中找到一个线性分类器，该空间由基于所有特征的内核计算

在这个链接中有一个完美的例子，用于对圆内外的点进行分类的内核技巧

---

通用核技巧可以很容易地集成到ml分类器中。大多数框架都支持它，但你必须尝试不同的内核，看看哪一个最有效

这一个是大学作业的一部分，对吧…？Idk，我刚刚回答了这个问题

plt.figure(figsize =(6, 6))
plt.scatter(x_pca[:, 0], x_pca[:, 1], c = y_train)
plt.xlabel('First Principal Component')
plt.ylabel('Second Principal Component') 
legend1 = plt.legend(*scatter.legend_elements(),
               loc="upper right", title="Classes")