轻巧，准确的分类器，可在有限来源的设备上使用

Question

我有一个项目，我应该将来自几个传感器（基于时间序列的数据）的数据分类，如陀螺仪到几个类。我在批处理场景中使用了几个分类器，包括SVM，决策树，神经网络，KNN ......我的最终目标是找到一个准确，轻便的实时分类器，并且还能够改进自己以在我的设备上实现它，该设备具有有限的源（CPU，RAM，......）。我正在考虑使用半监督分类器，因为我可以在设备上保存一些标记数据，并使用未来的数据点来改进我的分类器。有没有人在这方面有任何建议或经验？

Answer 1

在线学习非常具有挑战性。我建议你现在离开并使用批量学习。您可以随时更新移动应用程序时更新模型，或者让应用程序每隔x天在服务器上查找新的更新模型。

现在，如何在资源有限的手机上有效地运行机器学习算法。首先，您必须确定您正在使用的平台。我假设你想获得一个平台无关的答案。大多数ML算法（lazy learning除外）都可以在智能手机上有效运行，看看这个benchmarking experiment。

这里有几个选项：

1. iOS：所有机器学习库的Here's a list公开可用。
2. Android：Weka for Android，这个lib有很多ML算法。
3. 平台无关深度学习：Tensorflow，您可以将模型导出到TensorFlow lite（tutorial）并将其部署到任何移动操作系统和Caffe2上以培训深度学习模型并将其导出到任何智能手机操作系统。