【发布时间】：2014-01-29 00:11:00
【问题描述】：
我想知道哪种监督学习算法最适合泛化小数据。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，其中 122 是图像数量。每个补丁是 16 x 16 像素。
我使用了多类支持向量机，但结果是成功率低，随着图像数量的增加而增加。我不想增加我的图像补丁数量，而是想实现良好的分类率。
我能对此有所了解吗？如何使用监督学习方法训练小数据。
【问题讨论】：
-
你肯定听说过the no free lunch theorem？
-
使用非常小的火车，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更多的训练数据。是否可以在您的案例中综合训练数据？
-
抱歉，综合训练是什么意思
标签： image image-processing machine-learning computer-vision artificial-intelligence