我正在学习机器学习课程，他们谈到了结合各种特征来创建合成特征来处理非线性数据。例如，在下图中，我没有进行任何特征交叉，并且模型不适合：
但是如果我做一些特征交叉并创建/激活特征，和我得到这个：
该模型现在适合。但为什么？特征交叉究竟做了什么使模型能够拟合非线性数据？
有人可以帮我理解吗？
当我进行功能交叉时，究竟会发生什么？
机器算法验证
机器学习
数据转换
线性代数
非线性
2022-03-24 19:06:52
1个回答
您的数据在原始空间中不是线性可分的。
但似乎它实际上可以与一个圆/椭圆分开（假设它在一个圆内以简化问题）：假设对于某些如果那么一个点似乎是合理的是蓝色的。
这意味着如果您使用作为特征，您可以将线性分类器拟合到这些数据点并实际线性地分离类。
其它你可能感兴趣的问题