Comments 4
Так что, вместо традиционного обучения, можно просто выпукливать модели?
Как организовывать признаки, например цвет/масть, чтобы регионы были выпуклыми, и не было чересполосицы?
Вы всегда можете увеличить размерность пространства - и там задать какую хотите метрику чтобы что угодно оказалось рядом, или наоборот далеко. Я нахожу в этой работе известные пересечения с классической теорией Вапника-Червоненкиса. В пространстве достаточной размерности, по нескольким примерам вы (статистически) всегда можете провести гиперплоскость которая "достаточно хорошо" разделит примеры на два класса. Свойство выпуклости может оказаться интересным дополнением, потому что В&Ч дают скорее верхнюю границу для количества примеров. Реальные сетки успешно учатся на много меньшем (порядки) размере данных. Выпуклость хорошо объясняет - почему...
Если область состоит из двух шарообразностей, одна слева, другая справа - это будет уже не выпуклая область?
Как машины учат мир по-человечески: Разбираем крутое исследование про выпуклость