Image 小数据的最佳监督学习算法
我想知道哪种监督学习算法最适合推广小数据。我有一个大小为（64 x 122）的特征向量，其中64是图像路径的一维特征向量，122是图像数量。每个面片为16 x 16像素 我使用了多类支持向量机，但结果是成功率低，并且随着图像数量的增加而增加。我不想增加我的图像补丁的数量，但要达到很好的分类率Image 小数据的最佳监督学习算法,image,image-processing,machine-learning,computer-vision,artificial-intelligence,Image,Image Processing,Machine Learning,Computer Vision,Artificial Intelligence,我想知道哪种监督学习算法最适合推广小数据。我有一个大小为（64 x 122）的特征向量，其中64是图像路径的一维特征向量，122是图像数量。每个面片为16 x 16像素 我使用了多类支持向量机，但结果是成功率低，并且随着图像数量的增加而增加。我不想增加我的图像补丁的数量，但要达到很好的分类率 我能了解一下吗？如何使用监督学习方法训练小数据。一些可能的尝试： 一些简单的聚类方法，如k-means 逻辑回归 增加特征数，然后使用线性支持向量机（不要使用其他核） 你肯定听说过吗？对于一个非常小的训练集
我能了解一下吗？如何使用监督学习方法训练小数据。一些可能的尝试：
你肯定听说过吗？对于一个非常小的训练集，我会首先尝试最简单的方法，可能是KNN。最大的改进总是来自于更多的训练数据。在您的案例中，是否可以合成训练数据？对不起，合成训练意味着什么