为什么随着特征数量的增加，使用 svm 时分类精度会降低

【问题标题】：why as number of features increases, the classification accuracy decreases when using svm为什么随着特征数量的增加，使用 svm 时分类精度会降低
【发布时间】：2013-01-09 09:38:43
【问题描述】：

我正在使用libsvm 进行图像分类。为什么当我使用更多特征进行分类时，我的预测准确度会降低？不应该增加吗？我的数据集大小固定为 1600 用于训练，400 用于测试。

【问题讨论】：

标签： matlab classification svm

【解决方案1】：

因为附加特征可能根本无法用于分离特征空间中的类。准确性不一定与特征数量相关。

包含大量不良特征可能会导致您的 SVM 学习数据中的噪声，从而损害准确性。

例如，如果您的额外功能看起来像这样（为了清楚起见使用 2D 图）：

那么分离（在这种情况下）两个类将不是一个很好的功能。例如，如果 SVM 只在这种模式上进行训练，那么它就不能很好地预测未来点的类别。但是，您的数据集中可能存在如下所示的特征：

这样的功能在分离这两个类时非常有用。

【讨论】：