Выбор между линейным и нелинейным классификатором для элементов с очень маленькими размерами зависит от конкретной задачи и данных. 13

Нелинейные классификаторы имеют больше степеней свободы, но могут быть подвержены переобучению, так как просто запоминают наборы хороших точек данных, а не ищут обобщение. 13

Линейный классификатор имеет меньшую способность подгонки, и в случае данных, которые не являются линейно разделяемыми, он не сможет найти хорошую функцию принятия решений и будет страдать от высокой частоты ошибок. 13

Для определения оптимального классификатора рекомендуется попробовать разные подходы и посмотреть, как они работают. 13

Также для классификации сложных, но небольших или средних наборов данных могут подойти методы опорных векторов (SVM). 4 Они способны выполнять линейную или нелинейную классификацию, регрессию и даже выявление выбросов. 4