我使用极限学习机进行分类，发现我的分类准确率只有 70+%，这导致我通过创建更多分类模型来使用集成方法，并且测试数据将根据大多数分类进行分类模型的分类。然而，这种方法只能小幅提高分类精度。请问还有哪些其他方法可以用来提高二维线性不可分数据集的分类精度？
最佳答案
您的问题非常广泛......如果不知道您正在治疗的真正问题，就无法正确地帮助您。但是，一般来说，一些提高分类精度的方法是:
1 - 交叉验证:将训练数据集分组，始终分隔一个组进行预测并在每次执行中更改组。然后你就会知道哪些数据更适合训练更准确的模型。
2 - 交叉数据集:与交叉验证相同，但使用不同的数据集。
3 - 调整模型:它基本上改变了您用于训练分类模型的参数(不知道您正在使用哪种分类算法，因此很难提供更多帮助)。
4 - 改进或使用(如果您没有使用)标准化过程:发现哪些技术(更改几何形状、颜色等)将为您提供更简洁的数据以供您在训练中使用。
5 - 更多地了解您正在处理的问题...尝试实现其他方法来解决相同的问题。总是至少有不止一种方法可以解决同一问题。您可能没有使用最好的方法。
关于machine-learning - 如何提高机器学习的分类精度，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41447104/