一种轻便而准确的分类器，可在资源有限的设备上使用

Question

我有一个项目，我应该分类的数据来自几个传感器(基于时间序列的数据)，如陀螺仪到几个类别。我使用了几种分类器，包括支持向量机，决策树，神经网络，KNN，...在批处理场景中。我的最终目标是找到一个实时分类器，它既准确，又轻巧，并且能够自我改进，以便在资源有限的设备(CPU，RAM等)上实现它。我在考虑半监督分类器，因为我可以在我的设备上保存一些标记数据，并使用未来的数据点来改进我的分类器。有没有人在这方面有什么建议或经验？

Answer 1

在线学习是非常具有挑战性的。我建议你远离现在，使用批处理学习。您可以在更新移动应用程序时随时更新模型，或者让应用程序每隔x天在您的服务器上查找新的更新模型。

现在，如何在资源有限的手机上高效地运行机器学习算法。首先，您必须确定您正在使用的平台。我假设你想得到一个与平台无关的答案。大多数ML算法(除了lazy learning算法)都可以在智能手机上高效运行，看看这个benchmarking experiment。

这里有几个选项：

1. iOS:所有公开可用的机器学习库的Here's a list。
2. Android：Weka for Android，这个库有大量的ML algorithms.
3. Platform不可知深度学习: Tensorflow，你可以将你的模型导出到TensorFlow lite (tutorial)，并将它们部署在任何移动操作系统和Caffe2上，以训练深度学习模型，并将它们导出到任何智能手机操作系统。