线性分类器与神经网络在数据处理方面的应用

在机器学习诞生之时起,线性回归分类器便体现出优越的性能,然而,随着时代的进步,每类训练样本数量增大,线性分类器的速度变得很慢,也凸显了线性分类的一个致命弱点:对大样本数据束手无策。即当用于训练的样本数量大于样本的维数时,线性分类器会无法工作。解决的办法之一是对分类器作局部化处理从而对数据进行筛选,避免大样本数据问题的出现。然而,随着神经网络的兴起,对于大样本数据的处理,也有了更多的新兴的处理办法。