用於分類的實例數量和屬性的關係

Question

在我的數據集中，實例的數量約爲200，每個實例的數量約爲600個屬性。每個實例都被標記（是，否），我試圖測試不同的分類器（k-NN，Naive-Bayes，j48）。

要生成更多的實例是非常困難的，相對於屬性數量的實例數是否有最小值？

我應該通過特徵選擇來減少屬性，但是如果我的屬性較少，這將是一個合理的數字？

Answer 1

是否可以減少特徵的數量歸結到問題的複雜性，但一些試驗和錯誤（或自動特徵提取方法）可確定的特徵的數量可以不失精度降低。

正如在this post中所報道的那樣，可以使用一些指南或經驗法則來爲模型準備足夠的數據。一些建議包括在這裏：

• 至少六次訓練案件的特點數
• 至少三次，每次
類

希望的特徵數量這有助於！