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