Java 基于概率估计的最大似然分类技术

我想实现一个OCR系统。我需要我的程序不要在它选择识别的字母上犯任何错误。如果它不能识别很多，这并不重要（也就是说，即使召回率很低，高精度也是可以的）

有人能帮我选择一个合适的ML算法吗。我一直在四处寻找，发现了一些令人困惑的事情。例如，我发现了关于SVM的自相矛盾的说法。在本文中，有人提到我们无法得到支持向量机的概率估计。然而，我发现另一种说法是，在WEKA中可以做到这一点

无论如何，我正在寻找一种最适合这个目的的机器学习算法。如果你也能为算法推荐一个库，那就太好了。我更喜欢基于Python的解决方案，但我也可以使用Java。

我见过有人使用它并取得了很好的效果，但那已经是几年前的事了。我问了一位专家同事，他说现在人们使用分类器之类的东西

我不知道scikit或WEKA，但任何半体面的分类包都应该至少实现k近邻。或者你可以自己实现，这简直太容易了。试一试：它的精确度可能比你想要的要低，但是你可以做一点小小的修改，不需要简单的多数票（即邻居中最频繁的班级获胜），你需要邻居之间达成更大的共识来分配班级（例如，至少50%的邻居必须属于同一类别）。您需要的共识越大，您的精确度就越高，这将以召回为代价。

在构建

SVC

对象时，只需设置

probability=True

，就可以从scikit learn中的支持向量机获得概率估计值。文档仅警告概率估计值可能不是很好

---

典型的概率分类器是，因此您可以尝试一下。但请注意，LR是一个线性模型，与支持向量机不同，支持向量机可以通过使用核来学习复杂的非线性决策边界。

scikit learn和Weka实际上都使用相同的底层支持向量机库。这不会得到直接的概率估计（这就是scikit学习文档所说的），但却解决了另一个学习问题，并使用交叉验证来解决，这需要额外的时间。的第8节给出了算法的详细信息。@Dougal那么，这些概率估计值可靠吗？还是我应该为此类问题使用另一种机器学习技术？此外，我们如何获得未知sam的概率估计值ple使用交叉验证？这不仅仅是直接的交叉验证；请看我上面的链接。我的印象是它们是合理的，但并非完美无瑕，尽管我没有详细研究它们的行为，只是使用了一两次。K-最近邻分类器在很大程度上依赖于图像之间的良好距离函数，并且不善于概括，因此虽然在OCR中这可能不是一个问题，但你的共识听起来很合理。