如何提高机器学习的分类准确性

Question

我使用极端学习机进行分类，发现我的分类精度只有70 +％，这使我通过创建更多的分类模型来使用集合方法，测试数据将根据大多数分类模型的分类。但是，这种方法只能稍微提高分类精度。我可以问一下可以用来提高二维线性不可分离数据集的分类精度的其他方法是什么？

Answer 1

你的问题非常广泛......如果不知道你正在处理的真正问题，就无法正常帮助你。但是，一般来说，提高分类准确性的一些方法是：

1 - 交叉验证：将您的火车数据集分组，始终分组进行预测并更改每次执行中的组。然后你会知道哪些数据更适合培养更准确的模型。

2 - 交叉数据集：与交叉验证相同，但使用不同的数据集。

3 - 调整你的模型：它基本上改变了你用来训练你的分类模型的参数（IDK你正在使用哪种分类算法，因此很难提供帮助）。

4 - 改进或使用（如果你没有使用）规范化过程：发现哪些技术（改变几何形状，颜色等）将为你提供更简洁的数据用于培训。

5 - 了解更多您正在处理的问题...尝试实施其他方法来解决同样的问题。始终存在至少一种解决同一问题的方法。你可能没有使用最好的方法。