SVM(または他の分類器)の分類精度を高めるために特徴空間を拡張する

I've $N$ observations, and $p$ features for each observation, $N>p$ but not that $N<

今度は、直感的に言えば、古い特徴$ HOG $(しかし、証明されていない)とは無関係でなければならない上記の各オブジェクト/画像について、次元$ q = 100 $(これらの特徴を$ D $と呼ぶ)まだ)。

さて、HOG機能とのクロスバリデーションを行い、まともな精度を得ました(〜$ 90 $%)。私の質問は、各オブジェクトの結合されたフィーチャセット$ HOG + D $に対して相互検証を実行すると、より正確な精度を期待できますか?後者の場合、$ p + q = 1864 $の機能がありますが、以前の場合は$ N $の各観測について$ p $の機能があります。はいの場合、旧機能と新機能が無関係であるという事実が機能していますか?

Brief version: when can we say that augmenting feature space, possibly by uncorrelated features to the previous features, increase the classification accuracy for the same classifier? If the old and new features are not uncorrelated, will it decrease classification accuracy instead?

0

答えはありません

0