0
Мне интересно, какой контролируемый алгоритм обучения лучше всего подходит для обобщения небольших данных. У меня есть вектор-функция размера (64 x 122), где 64 - один векторный вектор измерения для пути изображения, 122 - количество изображений. Каждый патч имеет 16 x 16 пикселей.Лучший управляемый алгоритм обучения для небольших данных
Я использовал многопользовательскую машину векторной поддержки, но результат - низкий уровень успеха, который увеличивается с большим количеством изображений. Я не хочу увеличивать свой номер патча изображения, но прыгая, чтобы добиться хорошей скорости классификации.
Могу ли я получить представление об этом? Как обучать небольшие данные с помощью метода контролируемого обучения.
Несомненно, вы слышали о [теореме бесплатного обеда] (http://www.no-free-lunch.org/)? –
с очень маленьким набором поездов. Сначала я попробую простейшую вещь, которая, вероятно, будет knn. –
Единственное большое улучшение всегда связано с большим количеством данных обучения. Возможно ли синтезировать данные обучения в вашем случае? –