ไม่มีคำตอบเดียวกับที่ซึ่งเป็นวิธีที่ดีที่สุดสำหรับการจัดหมวดหมู่ชุดข้อมูลที่ได้รับคือ ตัวจําแนกประเภทต่าง ๆ ควรได้รับการพิจารณาเพื่อศึกษาเปรียบเทียบชุดข้อมูลที่ได้รับเสมอ รับคุณสมบัติของชุดข้อมูลคุณอาจมีเบาะแสบางอย่างที่อาจให้ความสำคัญกับวิธีการบางอย่าง อย่างไรก็ตามยังคงแนะนำให้ทดลองกับทุกคนหากเป็นไปได้
Naive Bayes Classifier (NBC) และ Support Vector Machine (SVM) มีตัวเลือกต่าง ๆ รวมถึงตัวเลือกของฟังก์ชันเคอร์เนลสำหรับแต่ละตัว พวกเขาทั้งสองมีความไวต่อการเพิ่มประสิทธิภาพพารามิเตอร์ (คือตัวเลือกที่แตกต่างกันอย่างมีนัยสำคัญพารามิเตอร์สามารถเปลี่ยนผลผลิตของพวกเขา) ดังนั้นหากคุณมีผลลัพธ์แสดงว่า NBC ทำงานได้ดีกว่า SVM สิ่งนี้เป็นจริงสำหรับพารามิเตอร์ที่เลือกเท่านั้น อย่างไรก็ตามสำหรับการเลือกพารามิเตอร์อื่นคุณอาจพบว่า SVM ทำงานได้ดีขึ้น
โดยทั่วไปหากสมมติฐานของความเป็นอิสระใน NBC พอใจกับตัวแปรของชุดข้อมูลของคุณและระดับของการทับซ้อนของชั้นเรียนนั้นมีขนาดเล็ก สำหรับชุดข้อมูลบางส่วนที่มีการปรับให้เหมาะสมโดยใช้การเลือกคุณลักษณะของ wrapper เช่น NBC อาจเอาชนะตัวแยกประเภทอื่น ๆ แม้ว่าจะประสบความสำเร็จในการเปรียบเทียบ NBC จะเป็นที่ต้องการมากกว่าเนื่องจากความเร็วสูง
โดยสรุปเราไม่ควรใช้วิธีการจำแนกใด ๆ ถ้ามันมีประสิทธิภาพสูงกว่าคนอื่นในบริบทเดียวเพราะมันอาจล้มเหลวอย่างรุนแรงในอีกวิธีหนึ่ง ( นี่เป็นปัญหาปกติในการขุดข้อมูล )