结合不同的 SVM 模型

Question

我正在使用 scikit-learn 在 Python 中创建一个字符识别软件。我有一个标记为 [A-Za-z] 的大型图像数据集。我正在使用线性 SVM。使用具有 52 个不同标签的所有样本训练模型非常非常慢。

如果我将我的训练数据集分成 13 个部分，每个部分只有 4 个字符的图像，并且没有图像可以是超过 1 个部分的一部分，然后训练 13 个不同的模型。

如何将这些模型组合在一起以创建更准确的模型？或者，如果我对所有 13 个模型进行测试集分类，并根据置信度分数比较单个样本的结果（选择得分最高的那个），会不会影响整个模型的准确性？

Answer 1

看来您需要对数据进行某种降阶。
降阶后将数据分成13个大组，然后做一个最终的分类工具。

对于我提到的第一步，我会查看Linear Discriminant Analysis。