【发布时间】：2013-02-21 14:31:55
【问题描述】：
我有一组从受试者执行某些特定认知任务时记录的数据集。数据由 16 个通道和每个通道的多个样本点组成，我想根据正在执行的认知任务对这些数据进行分类（所有内容都已标记）。
问题是我没有大量数据（每个会话大约 60 次试验，每个认知任务 30 次）并且我有 2 个会话。我正在尝试训练一个线性判别分析（LDA）分类器来分类这些数据。稍后将实时使用分类器，为每个样本数量提供某种形式的输出。
我使用 5 折交叉验证来衡量我的分类器的泛化误差。问题是当我多次运行这个 5 折交叉验证时，我得到的结果根本不是恒定的。相反，整体准确度存在显着差异（例如，前 5 次交叉验证可能产生 80% 的平均准确度，第二次产生 65% 的准确度，第三次产生平均 72% 等......）。这是正常的吗？如果不是，可能是什么原因？
【问题讨论】：
-
LDA 将您的数据投影到另一个坐标系并减小维度。您如何使用它进行分类？
标签： machine-learning cross-validation