結合不同的SVM模型

Question

我使用scikit-learn在Python中創建了一個字符識別軟件。我有一個標有[A-Za-z]的大型圖像數據集。我正在使用線性SVM。使用52個不同標籤的所有樣本訓練模型非常非常緩慢。

如果我將訓練數據集分成13個部分，每部分只有4個字符的圖像，並且沒有圖像可以成爲多於1個部分的一部分，然後訓練13個不同的模型。

如何將這些模型組合在一起以創建更精確的模型？或者如果我對所有13個模型進行測試集分類，並根據置信度得分（選擇分數最高的那個）比較單個樣本的結果，是否會影響整體模型的準確性？

Answer 1

看來你需要的是某種訂單減少的數據。
訂單縮減後，將數據分爲13個大組，然後做一個最終的分類工具。

我想看看Linear Discriminant Analysis我提到的第一步。