SVM中预测的标准化轴是否有所不同？

-1

x1  x2   x3   y 
1  40   0.9   1 
0.9  80   0.5   1 
0.6  50   0.6   0 
0.4  30   0.7   0

使得值样子：

x1  x2   x3   y 
1  0.5  0.9   1 
0.9  1   0.5   1 
0.6  0.7  0.6   0 
0.4  0.8  0.7   0

列y为输出。将有所作为，如果我沿着列X2正常化（轴= 0），而不是沿着行（轴= 1）

将预测变化？

谁能解释一下它背后的数学？

什么第二值表示？（在“使值看起来像：”）x1，x2，x3等表示特征。功能可以在不同的尺寸（单位米，厘米，秒等）和规模。所以如果你沿着行对它进行标准化，它没有任何意义。他们应该正常列明智有道理。 –

@Jibin是Vivek Kumar说得对，跨行标准化没有任何意义。跨列（或特征）的规范化已完成，以便所有特征在相同的范围内。这样做是为了在SVM中存在的距离计算是适当的，并且适当地完成特征的权重估计。跨行标准化会产生不明确的结果。 – prashanth

预测会有所不同。此外，建议对数据进行缩放以获得更好的预测结果。 SVM使用特征向量之间的距离函数（如欧几里得距离）。如果某个功能具有不同的值范围，则可能会产生不必要的高效。

考虑下面的例子：我们有3个实例：A =（0，80，0），B =（1，40，0.9）和C =（0.1，50％，0）。如果我们期望所有的特征将被平等对待，那么我们希望A和C之间的距离将小于B和C.然而，距离函数将导致B和C之间的较小距离。

支持向量机算法不是规模不变的，所以强烈推荐使用来扩展您的数据。例如，缩放所述输入矢量X的每个属性为[0,1]或[-1，+ 1]，或标准化它具有均值为0，方差为1。注意，相同的缩放必须施加到测试矢量来获得有意义的结果。请参阅部分预处理数据以获取有关缩放和规范化的更多详细信息。

2017-01-31 11:33:51 AndreyF

回答