培訓文件的數量對分類時間有什麼影響？

培訓文件數量對分類時間有沒有影響？我知道K-nn在K-nn中的所有計算都是在分類中進行的，而在訓練中沒有或最少的工作。支持向量機，樸素貝葉斯，決策樹等的情況也是如此？培訓文件的數量對分類時間有什麼影響？

2014-01-13 Kashif Khan

只有懶惰分類器有這樣一個特點，其中之一是KNN。

SVM - 分類時間取決於支持向量的數目，其可以，但不必須是 - 依賴於訓練文檔的數量（它們是上限的SV的數量）
樸素貝葉斯 - 除非這些新文檔帶有許多新單詞，否則沒有影響，因爲NB分類時間爲O（特徵數量），所以如果不擴大詞彙表（在BOW模型的情況下），您可以安全地使用許多訓練數據
決策樹 - 與NB相同，它僅取決於特徵的數量（以及問題的複雜性，不隨實例的數量而改變）
神經網絡 - 這裏分類時間只取決於神經元的數量

2014-01-13 09:22:40 lejlot

thanx很多你的答案，類別數量是否有任何影響分類時間？就像在SVM中一樣，它發現了一個分離超平面的功能（對於我認爲的每個類），因此使用具有3個類別的數據集對實例進行分類比使用具有20個類別的數據集對實例進行分類要花費更少的時間。 –

即使在Bayes中，類的數量也會影響每個分類器中的分類時間。 SVM中增加了最昂貴的開銷，因爲它只是一個二元分類器，需要在多標籤場景中應用一些元策略。取決於你的實現，它可以從O（log（N））（非常少見）到O（N）（非常常見）甚至O（N^2）（常見）附加複雜度，其中N - 個類別。 – lejlot

培訓文件的數量對分類時間有什麼影響？

回答

相關問題