Will Naive Bayes dará un buen resultado si el conjunto de entrenamiento es mucho más pequeño que el no. de características en un clasificador de aprendizaje automático?

Depende. Naive Bayes podría ser mejor que otros para usted porque su conjunto de datos es muy pequeño y NB no se ajusta demasiado como otros. Pero generalmente se considera una técnica ingenua. Funciona bien solo porque su ingeniería / limpieza de datos ha sido ingenua.

Le animo a que aumente el tamaño del conjunto de datos. Este es un truco común para pequeños conjuntos de datos. Especialmente si tiene un conjunto de datos de imagen, puede crear más versiones de su imagen girando, ampliando, etc.

No dude en ponerse en contacto conmigo dejando un mensaje en mi sitio web arindampaul.me

Sí, podría funcionar.
Asegúrese de que lo siguiente sea cierto antes de usar Naive Bayes:
1. Los campos son todos nominales. Los datos ordenados y numéricos no funcionan con Naive Bayes.
2. Uno puede encontrar muchos valores cero de probabilidad si la muestra es pequeña, asegúrese de que haya un valor predeterminado para cero probabilidades.

Es posible que deba modificar los anteriores si las clases no están equilibradas.

Otros métodos que sugeriría probar:
1. Aplicar un algoritmo de clasificación después de un algoritmo de reducción de dimensionalidad si es posible. Entonces, primero haga un PCA y luego aplique SVM / Neural Nets / Random Forest.
2. Use un kernel específico de dominio en SVM como se sugiere en algún otro kernel. Tiene los mismos efectos que hacer la reducción de dimensionalidad y luego la clasificación.