图像数据集是线性可分的吗？

is image dataset linearly separable?

我有 6 个 类 的图像数据集（来自 Kaggle 的番茄病）。使用预训练模型 vgg16 我提取了特征，然后将它们展平为一维特征向量。之后，我将这个向量用作我的线性核 SVM 分类器的输入。

  1. 如何测试我的图像数据集是否线性可分？
  2. 在 SVM 分类器中应用不同的内核我得到了线性内核的最佳结果，这是否意味着我的图像数据集是线性可分的？

通常不是您的图像直接“线性可分”，它们是您从线性可分的图像中提取的特征所产生的点。

这些功能可以看作是应用于原始图像的内核，将图像投影到 space。最后space，图像对应的数据点可以线性分离，那么线性核的SVM将是最佳选择。

因此，这实际上取决于您从图像中提取的特征，以及您如何将它们表示为 SVM 的输入。当您使用（或多或少深度的）神经网络时，N-1 第一层可以看作是特征提取器（即参数化内核），最后一层是应用于结果表示的线性鉴别器 space（您希望其中的数据是线性可分的）

第一个问题：

但是，如果你有两个以上的特征，就很难将可分离性可视化。 Cherkassky, Vladimir & Dhar, Sauptik (2010) 中的一种方法是判别分析或单变量预测直方图：

第二个问题：

乍一看，是的，但不幸的是你没有提供你的结果。

作为旁注。具有线性核的SVM是唯一能够对非线性数据进行分类的线性模型，因为SVM在更高（可能无限）的维度上实现了线性可分性。