Existem documentos / livros / idéias sobre a relação entre o número de características e o número de observações necessárias para treinar um classificador "robusto"?
Por exemplo, suponha que eu tenha 1000 recursos e 10 observações de duas classes como um conjunto de treinamento e 10 outras observações como um conjunto de testes. Eu treino algum classificador X e isso me dá 90% de sensibilidade e 90% de especificidade no conjunto de testes. Digamos que estou feliz com essa precisão e, com base nisso, posso dizer que é um bom classificador. Por outro lado, aproximei uma função de 1000 variáveis usando apenas 10 pontos, o que pode parecer não ser muito ... robusto?