我想从仅包含布尔值的向量数据集中构建分类器。如果在学习之前添加包含原始特征组合（使用逻辑运算符« OR »和« AND »）的特征，我的分类器是否有可能表现更好，或者那将毫无意义？

例如，我有以下数据集：

            feature A   feature B   feature C
vector 1    True        False       True
vector 2    True        True        False
vector 3    False       True        True

想象一下，我有这样的感觉，即数据对特征 C 和特征 D 都为 True 的事实通常会使它进入一个特定的类别。在学习构建分类器的数据之前，我是否应该向每个向量添加由逻辑运算 « 特征 B AND 特征 C » 计算的额外特征：

            feature A   feature B   feature C   feature D
vector 1    True        False       True        False   
vector 2    True        True        False       False
vector 3    False       True        True        True

或者分类器是否会考虑“特征 B 和特征 C”的相关性？它是否取决于算法（svm、Knn 等）？