使用可分性准则的策略是什么？

选择多类别可分性特征时，一般有两个策略。-是选择各类平均可分性最大的特征;二是选择使所有类别中最难分的类别具有最大可分性的特征。

第一个策略的不足之处是难以照顾到分布比较集中的类别，因此,假如使用第一个策略,为了弥补其不足，必须选用能够均衡照顾各类的可分性准则，比如J一M距离。相对而言，第二个策略能够照顾到最难分的类别，因此,这个策略对可分性准则没有特殊的要求。但是,第二个策略可能会漏掉使各类模式可分性最大的特征，从而使分类精度下降。

综上所述,两种策略各有优点和缺点，怎样选择策略还得根据实际情况。一般而言，选择分类特征时，为了使分类精度达到最高，既希望选择使各类平均可分性最大的特征，也希望能够照顾比较难分类别的特征，还希望不要漏掉使某些类别间具有最大可分性的特征。这样一来,这两种策略必须同时使用，剩下的问题就是如何使特征数量与算法的时间效率达到平衡。假如只选用一个策略，就必须根据模式分布的情况。如果模式分布均匀，选择哪一个策略都无关紧要；假如模式分布不均匀，选择第一个策略就必须考虑可分性准则的有效性，选择第二个策略可以考虑最难分的类别，但是其分类效果不一定最好。