考虑一组 7D 向量。每个向量属于四个类别之一。
在使用 PCA 映射到 3D 并根据其类为每个点着色后,数据集如下所示:

如需动画 GIF 版本,请单击此处https://docs.google.com/open?id=0B26-1RYIJR_oOWRmSXZyWUl4M2M
什么分类技术适合这个数据集(例如决策树、神经网络等)?
考虑一组 7D 向量。每个向量属于四个类别之一。
在使用 PCA 映射到 3D 并根据其类为每个点着色后,数据集如下所示:

如需动画 GIF 版本,请单击此处https://docs.google.com/open?id=0B26-1RYIJR_oOWRmSXZyWUl4M2M
什么分类技术适合这个数据集(例如决策树、神经网络等)?
虽然 PCA 有助于减少维度,但应将维度数量的选择视为一个参数,具体取决于分类器对问题生成的数据的有效性。(可能是三、二、四……)
但是随后您将需要一个分类器,并且您可能会从各种数学分割/聚类算法中的一种获得良好的效果。两个流行且相当容易实现的是 K-Means Clustering 和 Fuzzy C-Means Clustering。在 Matlab、Octave 或 R 中有很多现有的实现。
以下链接应该可以帮助您入门: