我正在开发一个与生物学相关的数据集,它的功能超过300 K,而且我只有大约5K的样本。我想要我的模型对许多类进行分类。对于这个问题,尤其是班级的年龄。每一个年龄,如10或35岁,将是个别班级。因此,这个问题需要大约80个类(范围从10到90)。
我立即知道,需要正则化,以减少数量的功能,以防止过度拟合。我只是不知道这样的数据集是否可以作为多类分类问题来处理,有很多类。如果我需要更多的数据,有多少数据足以让模型学习?或者有什么聪明的方法可以解决这个问题?
发布于 2019-06-04 09:22:01
您可以尝试降维技术,如PCA,这将减少您的特征数量和最大化的信息描述您的对象。
此外,如果你想对一个连续变量的年龄进行分类,你可以尝试回归而不是分类。
https://datascience.stackexchange.com/questions/53153
复制相似问题