Estou usando o LibSVM para classificar alguns documentos. Os documentos parecem um pouco difíceis de classificar, como mostram os resultados finais. No entanto, notei algo ao treinar meus modelos. e isto é: se meu conjunto de treinamento for, por exemplo, 1000, cerca de 800 deles serão selecionados como vetores de suporte. Procurei em todos os lugares para descobrir se isso é bom ou ruim. Quero dizer, existe uma relação entre o número de vetores de suporte e o desempenho dos classificadores? Eu li este postpostagem anterio. No entanto, estou executando uma seleção de parâmetro e também tenho certeza de que os atributos nos vetores de recursos estão todos ordenados. Eu só preciso saber a relação. Obrigado. p.s: eu uso um kernel linear.