对于基于文本分类相似性（余弦距离）的算法或常规分类方法（如SVM或决策树），在准确性和性能方面，哪种方法效果更好？ 在训练大量文本数据的同时，SVM是否可以在4GB-8GB RAM系统中在有限的时间内解析？
答案 0 :(得分：0)
要回答此问题，您可以考虑“不免费午餐”理论，[1]。如果您没有关于数据的假设，那么您将无法偏爱另一种方法。因此，您可以尝试不同的方法，并使用K折估计每种方法的误差度量。然后，执行适当的统计测试以查看结果是否在统计上不同。
我希望这会有所帮助。
参考文献：
[1] D. H. Wolpert和W. G. Macready，“没有免费的午餐定理 优化”，IEEE Trans。进化计算卷1，第67-82页，1997年4月