как, применяешь нелинейное преобразование, даже не биективное, а потом говоришь: вот, признаки важны, а не алгоритм.
А ниче, что, вполне возможно, ты бы мог достигнуть той же точности с более сложным алгоритмом, подавая тому же svm, например, степени прижнаков и их смешанные произведения?
И вообще это палка о двух концах (кажется, я неправильно употребляю это выражение, но ладнл): были признаки на плоскости, ты их разделил прямой, потом херак, переводишь пространство в одномерное, допустим, просто смотришь под таким углом, что плоскость переходит в прямую и ой, не разделяются, ну как же так. Короче, я че хочу сказать: качество классификации можно улучшить как генерацией фич, так и алгоритмом. Иногда, я так подозреваю, невозможно сгенерить такие фичи, чтобы добиться какого-то хорошего качествс
Размерность пространства признаков в эксперименте не менялась
Обсуждают сегодня