Я обучил классификатор AdaBoosted, используя деревья решений в качестве моих слабых учеников. Я достиг точности ~ 85%, но с использованием небольшого размера выборки (76 выборок), но я очень заинтересован в визуализации ошибочных классификаций, выходящих за рамки просто матрицы путаницы.
Я хочу обозначить эти ошибочные классификации ипопробуйте найти похожий «правильно маркированный» образец соседа. Является ли разумной целью сделать некоторое уменьшение размерности и попытаться визуализировать, какие точки заметно ближе к моим неправильно классифицированным примерам? Будет ли работать линейный дискриминантный анализ? Я также читал, что многомерное масштабирование также будет применимо? В общем, я знаю, что это дистанционное сохранение, но я просто не видел конкретных примеров его применения таким образом.