2016-06-30 1 views
0

Я планирую сделать классификацию SVM для многомерных данных датчика. Есть два класса и 13 датчиков. Предположим, что я хочу извлечь функции, например. среднее, стандартное отклонение и т. д. Я где-то читал, что нам нужно сделать масштабирование функций, прежде чем применять к SVM. Мне интересно, когда я должен делать масштабирование, прежде чем извлекать функции или после извлечения функций?Когда делать масштабирование функции? До или после извлечения?

+0

[Эта статья] (https://www.researchgate.net/post/Does_applying_feature_extraction_before_classification_using_SVM_improve_the_results), кажется, говорит о том, что удаление объектов перед созданием SVM желательно. –

+0

Из маленького машинного обучения, которое я испытал в школе, я помню, что анализ признанных данных всегда был шагом до подачи в классификатор. – SArnab

ответ

0

Как вы уже читали, и, как уже отмечалось, вы бы:

  1. сделать функцию вывод
  2. сделать функцию нормализации (масштабирование, Выравнивание, если необходимо, и т.д.)
  3. руки данные обучения/оценивая модель (модели).

Для примера вы упомянули, просто чтобы быть ясно: я предполагаю, что вы имеете в виду, что вы хотите получить (то же) характеристики для каждого образца , так что у вас есть, например, средний признак, функция стандартного отклонения и т. д. для каждого образца - вот как это должно быть сделано. Нормализация, в свою очередь, должна быть выполнена за каждую выборку по всем образцам.

Смежные вопросы