我正在做我的课程项目，其中包含一个分类问题。它是关于将智能手机分为 7 个不同的类别。我正在使用加速度计（线性加速度）。我提取了 15 个特征（每个轴 5 个），它们是： - 平均（时间） - 标准（时间） - 直流偏移，平均（频率） - 能量（频率） - 熵（频率）
频域特征是通过快速傅里叶变换获得的。
我的应用程序希望用户训练每个类最多 5 个实例的分类器（用户对每个类执行五倍的移动），直到现在我已经使用 WEKA 库中的朴素贝叶斯实现。
我的问题是 - 我对分类器的准确性不满意。对于如此小的数据集，还有其他分类器可以表现更好吗？
稍后，该应用程序将收集更多实例并将它们添加到训练数据集中，然后重新训练分类器，但一开始我不能要求用户为每个类提供超过 5 个实例。
你会提出什么建议？