机器学习 - 分类器使用笔记

正文

1. 分类器地选择

根据实际项目，从“训练速度”、“分类速度”、“内存占用”、“拓展性”和“是否支持高纬度特征空间”这些方面对比后选择。

值得注意的是，通常在选用分类器后，就不应该轻易改变了。如果分类效果不佳，应该优先考虑优化特征选择和训练样本。

2. 特征地选择

透过外在，直指本心。定义一个对象，要确立他区别于其他对象的特征。

3. 训练样本的选择

分类器需要有代表性的样本，否则，即使样本数足够，但是同质化严重，也训练不出好的结果。