0
我想知道哪个监督学习算法对于小数据的推广是最好的。我有一个尺寸为(64×122)的特征向量,其中64是图像路径的一维特征向量,其中122是图像数量。每个补丁都是16 x 16像素。小数据的最佳监督学习算法
我使用了多类支持向量机,但结果是成功率低,随着图像数量的增加而增加。我不想增加我的映像补丁号码,但跳跃以实现良好的分类率。
我能对此有所了解吗?如何使用监督学习方法训练小数据。
我想知道哪个监督学习算法对于小数据的推广是最好的。我有一个尺寸为(64×122)的特征向量,其中64是图像路径的一维特征向量,其中122是图像数量。每个补丁都是16 x 16像素。小数据的最佳监督学习算法
我使用了多类支持向量机,但结果是成功率低,随着图像数量的增加而增加。我不想增加我的映像补丁号码,但跳跃以实现良好的分类率。
我能对此有所了解吗?如何使用监督学习方法训练小数据。
的一些可能的尝试:
你肯定听说过[没有免费的午餐定理](http://www.no-free-lunch.org/)? –
带有一个非常小的火车集我会首先尝试可能最简单的东西,这可能是knn –
单一最大的改进总是来自更多的训练数据。您的案例中可以综合培训数据吗? –