Belirli bir veri kümesi için hangisinin en iyi sınıflandırma yöntemi olduğu konusunda tek bir cevap yoktur . Belirli bir veri kümesi üzerinde karşılaştırmalı bir çalışma için her zaman farklı sınıflandırıcılar düşünülmelidir. Veri kümesinin özellikleri göz önüne alındığında, bazı yöntemlere öncelik verebilecek bazı ipuçları olabilir. Ancak yine de mümkünse herkesle denemeler yapılması tavsiye edilir.
Naif Bayes Sınıflandırıcısı (NBC) ve Destek Vektör Makinesi (SVM), her biri için çekirdek işlevi seçimi de dahil olmak üzere farklı seçeneklere sahiptir. Her ikisi de parametre optimizasyonuna duyarlıdır (örneğin, farklı parametre seçimi çıktılarını önemli ölçüde değiştirebilir) . Yani, NBC'nin SVM'den daha iyi performans gösterdiğini gösteren bir sonucunuz varsa. Bu sadece seçilen parametreler için geçerlidir. Ancak, başka bir parametre seçimi için SVM'nin daha iyi performans gösterdiğini görebilirsiniz.
Genel olarak, NBC'deki bağımsızlık varsayımı veri kümenizin değişkenlerinden memnunsa ve sınıf çakışması derecesi düşükse (yani potansiyel doğrusal karar sınırı), NBC'nin iyi olması beklenir. Bazı veri kümeleri için, örneğin sarıcı özellik seçimi kullanılarak yapılan optimizasyonla, NBC diğer sınıflandırıcıları yenebilir. Karşılaştırılabilir bir performans elde etse bile, NBC yüksek hızı nedeniyle daha arzu edilir olacaktır.
Özetle, bir bağlamda diğerlerinden daha iyi performans gösteriyorsa hiçbir sınıflandırma yöntemini tercih etmemeliyiz, çünkü başka bir bağlamda ciddi şekilde başarısız olabilir. ( BU VERİ MADENCİLİĞİ SORUNLARINDA NORMALDİR ).