Ho un classificatore su cui sto eseguendo la convalida incrociata, insieme a un centinaio di funzionalità su cui sto facendo la selezione in avanti per trovare combinazioni ottimali di funzionalità. Inoltre paragone questo con l'esecuzione degli stessi esperimenti con PCA, in cui prendo le potenziali funzionalità, applico SVD, trasformo i segnali originali nel nuovo spazio di coordinate e utilizzo le principali funzioni nel mio processo di selezione diretta.
La mia intuizione era che PCA avrebbe migliorato i risultati, in quanto i segnali sarebbero stati più "informativi" rispetto alle caratteristiche originali. La mia ingenua comprensione del PCA mi sta mettendo nei guai? Qualcuno può suggerire alcuni dei motivi comuni per cui PCA può migliorare i risultati in alcune situazioni, ma peggiorarli in altre?