一些ML的经验

---

https://blog.csdn.net/xbmatrix/article/details/62056589

---

• 特征比数据量还大时，选择什么样的分类器？
  线性分类器，因为维度高的时候，数据一般在维度空间里面会比较稀疏，很有可能线性可分

• 对于维度很高的特征，你是选择线性还是非线性分类器？
  理由同上

• 对于维度极低的特征，你是选择线性还是非线性分类器？
  非线性分类器，因为低维空间可能很多特征都跑到一起了，导致线性不可分

• 下面是吴恩达的见解：

1. 如果Feature的数量很大，跟样本数量差不多，这时候选用LR或者是Linear Kernel的SVM;
2. 如果Feature的数量比较小，样本数量一般，不算大也不算小，选用SVM+Gaussian Kernel;
3. 如果Feature的数量比较小，而样本数量很多，需要手工添加一些feature变成第一种情况

---