Даны 2D-данные с признаками X и Y и круговая граница принятия решений. Какое значение синтетического признака следует добавить, чтобы линейный классификатор мог разделить классы?

Когда граница принятия решений является круговой, это означает, что данные лучше всего разделяются по их расстоянию от центра (или начала координат). Исходные признаки X и Y сами по себе не могут быть линейно разделены. Добавление синтетического признака X2+Y2 преобразует данные таким образом, что расстояние от начала координат становится новым признаком. Линейный классификатор затем может провести границу принятия решений на основе этого нового признака, эффективно разделяя классы. X2 и Y2 по отдельности не создают достаточного преобразования для круговой границы. cos(X) является периодической функцией и не подходит для разделения данных по кругу.