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。我有一个标有[A-Za-z]的大型图像数据集。我正在使用线性SVM。使用52种不同标签的所有样本训练模型非常非常慢。

如果我将训练数据集分成13个部分，使得每个部分只有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个模型进行测试集的分类，并根据置信度得分（选择得分最高的那个）比较单个样本的结果，是否会影响整体模型的准确性？

Answer 1

您需要的是某种订单减少数据 订单减少后将数据分类为13个大组，然后做最终的分类工具。

我会调查Linear Discriminant Analysis我提到的第一步。