什么时候做特征缩放？提取前还是提取后？
When to do feature scaling? Before or after extraction?
我打算对多维传感器数据进行 SVM 分类。有两个 类 和 13 个传感器。假设我想提取特征，例如平均值，标准偏差等。我从某个地方读到我们需要在应用于 SVM 之前进行特征缩放。我想知道什么时候应该进行缩放，在提取特征之前还是在提取特征之后？
如您所读和指出的那样，您将：
- 进行特征推导
- 进行特征归一化（缩放，必要时去歪斜等）
- 将数据交给 training/evaluating 个模型。
对于您提到的示例，只是为了清楚：我假设您的意思是您想要为 每个样本 导出（相同的）特征，以便您拥有例如平均特征、标准差特征等。每个样本——这是应该如何完成的。反过来，必须对所有样本 每个特征进行归一化 。
我打算对多维传感器数据进行 SVM 分类。有两个 类 和 13 个传感器。假设我想提取特征，例如平均值，标准偏差等。我从某个地方读到我们需要在应用于 SVM 之前进行特征缩放。我想知道什么时候应该进行缩放，在提取特征之前还是在提取特征之后？
如您所读和指出的那样，您将：
- 进行特征推导
- 进行特征归一化（缩放，必要时去歪斜等）
- 将数据交给 training/evaluating 个模型。
对于您提到的示例，只是为了清楚：我假设您的意思是您想要为 每个样本 导出（相同的）特征，以便您拥有例如平均特征、标准差特征等。每个样本——这是应该如何完成的。反过来，必须对所有样本 每个特征进行归一化 。