Иногда при построении классификатора (например, на базе метода SVМ) требуется обеспечить "физическое" требование монотонности изменения метки (label) при изменении значения какого-то отдельного параметра. Пример - если классификатор наличия-отсутствия диабета в зависимости от значений ряда входных параметров дал выходное значение "да" при уровне сахара 120, то ясно, что он должен давать такое же выходное значение при уровне сахара больше 120. И наооборот, если он дал выходное значение "нет", то должен давать такое же выходное значение при уровне сахара меньше 120 (при неизменных значениях остальных входных параметров). Подскажите, пожалуйста, существуют ли какие-нибудь подходы к решению подобных задач? Заранее спасибо.

https://ru-ir.livejournal.com/139334.html

Обычно под "missing data" понимают отсутствие меток у некоторых объектов - так называемый "semi-supervised classification". В моей же задаче классификации ситуация иная - метки есть по всем объектам из обучающей выборки, а вот у некоторых объектов по некоторым параметрам отсутствуют данные . Подскажите, пожалуйста, как в этом случае применить SVM алгоритм? Любые советы, статьи, ссылки и линки приветствуются. Заранее спасибо.

https://ru-ir.livejournal.com/139017.html