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。
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。
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。
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。