分類の問題を含むコース プロジェクトを行っています。それは、スマートフォンの動きを 7 つの異なるクラスに分類することです。私は加速度計（LinearAcceleration）を使用しています。以下の 15 の特徴 (各軸に 5 つ) を抽出しました: - 平均 (時間) - 標準 (時間) - DC オフセット、平均 (周波数) - エネルギー (周波数) - エントロピー (周波数)
周波数領域の特徴は、高速フーリエ変換によって取得されます。
私のアプリでは、ユーザーがクラスごとに最大 5 つのインスタンスで分類子をトレーニングすることを望んでおり (ユーザーはクラスごとに 5 回の動きを実行します)、今まで WEKA ライブラリの Naive Bayes の実装を使用してきました。
私の問題は、分類器の精度に満足していないことです。このような小さなデータセットに対してより良いパフォーマンスを発揮する分類器は他にありますか?
その後、アプリはさらにインスタンスを収集してトレーニング データセットに追加し、分類器を再トレーニングしますが、最初はクラスごとに 5 つを超えるインスタンスをユーザーに要求することはできません。
何を提案しますか？