1
我做了特征选择后,具有18个维度的特征,并将用于训练分类器,RNN,HMM等。是否有必要在机器学习中规范化/标准化数据?
特征包含stddev,加速度计和陀螺仪的平均值和派生值。 这些功能有不同的单位,规范化/标准化将失去功能的真正含义。
例如,一个特征向量的单位是旋转速度(度/秒),该特征的值在-120和120之间。 另一个是x轴加速度的stddev,该值主要介于0和2. 如果我想做标准化,所有的特征向量都将在0附近居中,负/正值分布在零附近。 - >即使是stddev也会有负值!它完全失去了实际意义?
我在错误的轨道上吗?任何信息表示赞赏!谢谢!
这不适用于SO。反正你有anwser [这里](http://stats.stackexchange.com/questions/189652/is-it-a-good-practice-to-always-scale-normalize-data-for-machine-learning) –