классификация машинного обучения для шумных данных

Question

Мне нужно построить алгоритм классификации и использовать его для данных, состоящих из точек x = {x_1, x_2, ..., x_n}, где x_1 и т. Д. Сами являются экспериментально измеренными величинами и поэтому имеют апостериорные распределения.

Как я должен учитывать это поведение данных?Должен ли я тренировать алгоритм на зашумленных данных для начала?

Answer 1

Во-первых, вы всегда хотите начать с самых простых / чистых данных.Это послужит отправной точкой для улучшения.В основном, получите известный набор данных IRIS и обучите этому свой алгоритм.Сравните ваш результат с известной точностью набора данных IRS.Это должно быть вашей отправной точкой.