我们需要在支持向量机和 快速人工神经网络 (FANN，一个库) 之间做出选择，用于一些文本处理项目。

它包括上下文拼写校正，然后将文本标记为某些短语及其同义词。

哪种方法是正确的？或者这两种方法是否有替代方案……有什么比 FANN 和 SVM 更合适的吗？

回答：

我认为您可以从这两种算法中获得具有竞争力的结果，因此您应该聚合这些结果……考虑集成学习。

更新：
我不知道这是否足够具体：使用贝叶斯最优分类器来组合来自每个算法的预测。您必须训练这两种算法，然后您必须训练贝叶斯最优分类器以使用您的算法，并根据算法的输入做出最佳预测。

将您的训练数据分成 3 个部分：

• 第一个数据集将用于训练（人工）神经网络和支持向量机。
• 第二个数据集将通过获取 ANN 和 SVM 的原始预测来训练贝叶斯最优分类器。
• 第三个数据集将是您的验证数据集，您将在其中测试经过训练的贝叶斯最优分类器。

更新 2.0：
创建算法集成的另一种方法是使用 10 折（或更普遍的，k 折）交叉验证：

• 将数据分成 10 个大小为 n/10 的集合。
• 在 9 个数据集上进行训练，并在 1 个数据集上进行测试。
• 重复 10 次并取平均准确率。

请记住，您通常可以组合许多分类器和验证方法，以产生更好的结果。这只是找到最适合您领域的方法的问题。