对于不同比例的输入数据,我明白用于训练分类器的值必须针对正确分类(SVM)进行归一化。是否需要对SVM中预测的输入向量进行归一化?
那么预测的输入向量也需要归一化吗?
我的场景是训练数据被规范化并序列化并保存在数据库中,当必须完成预测时,序列化的数据被反序列化以获得规范化的numpy数组,然后numpy数组适合在分类器上并且用于预测的输入向量被应用于预测。那么这个输入向量是否也需要进行归一化?如果是这样,怎么做,因为在预测时我没有实际的输入训练数据来正常化?
此外,我正在沿轴= 0,即沿着列正常化。
我正火的代码是:
preprocessing.normalize(data, norm='l2',axis=0)
有建议定标器有几个原因的方式来序列preprocessing.normalize
如果您之前SVM的训练进行预处理,那么你当然要预处理每到预测矢量也以相同的预处理器对象(例如同样的意思)用于训练。 – sascha
所以,我要序列化sklearn中的规范器以便规范化输入向量。 –