Как добавление одинаковых значений ко всем объектам влияет на метрики классификации?

Добавление одинакового значения ко всем объектам (например, смещение всех признаков на константу) обычно не влияет на метрики классификации, если модель и метрики инвариантны к таким преобразованиям.

Почему:

• Многие алгоритмы (например, логистическая регрессия, SVM с линейным ядром) и метрики (точность, полнота, F1) зависят от относительных различий между объектами, а не от абсолютных значений признаков.
• Смещение всех признаков на одну и ту же константу не меняет порядок или разделимость классов.

Однако, если модель чувствительна к абсолютным значениям (например, деревья решений или нейронные сети без нормализации), добавление одинакового значения может повлиять на обучение и, соответственно, на метрики.

В целом, при правильной нормализации и стандартизации данных добавление константы ко всем объектам не изменит качество классификации.