我使用少量图像（大约20张）来训练SVM，我注意到在训练过程中，一张图片可能会对结果产生很大的影响。
有时候结果会比较准确，有时候它会认为所有东西都匹配，有时候则什么都不匹配。我理解使用较少的图像集时，一张图片的影响会成比例地更大，但除了反复试错之外，还有没有其他方法来判断什么是好的训练集？你是如何选择几百张用于训练的图像的？
这一步似乎太重要了，不能仅仅依靠
“嗯，这些图像运行得更好，而那些不行，现在如果我加入这些…”
即猜测来决定。
回答：
你的问题没有一个广泛的明确答案，因为（像往常一样）这取决于应用场景的具体情况。
所以简而言之：分析你的问题。
我想到了三种方法来收集证据，证明你的训练集是有用的：
-
在你的训练数据上使用无监督技术来验证它们的有用性（需要你实际分析问题并定义具体标准）。
-
不带选择性假设地获取训练数据，但根据你的场景以相同的方式预处理它们。这可以是从归一化到变换的任何操作，以确保数据变得更加稳定，例如学习噪声或不变性。
-
在某些场景中（例如处理高度多样化数据的实时系统），你不希望做出假设。你希望你的分类器考虑广泛的输入，因此你也选择广泛的训练集。
一般来说：如果你的训练集中有一张图片会破坏你的分类器，你需要找出那张特定图片的特殊之处，并最好用更多类似的图片进行训练，以使其更加robust。除非你能确保训练后的系统永远不会遇到这种类型的图像。
