小数据的最佳监督学习算法

Question

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。

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。

Answer 1

的一些可能的尝试：

1. 一些简单的聚类方法，例如k均值;
2. Logistic回归;
3. 增加特征数量，然后使用线性SVM（不要使用其他内核）。