scikit支持在[0,1]或[1,1]之间缩放功能

Question

scikit learn的支持向量机是基于LIBSVM的。LIBSVM/SVM要求对数据进行缩放，建议特征值应该在两个范围[0,1]或[-1,1]中的一个。也就是说，在典型的矩阵中，每一列都是一个特征，并且每列都进行缩放。在

LIBSVM FAQ建议使用一个简单的缩放来获得[0，1]之间的特征：

x'=(x-min)/(Max-min)

scikit learn是否支持这种“简单缩放”？有没有其他的建议，以缩放特征使用支持向量机和径向基函数核。有推荐信吗？我发现了一篇参考文章，叫做“支持向量分类的实用指南”，它是基于LIBSVM的，他们建议缩放到[0，1]或[-1，1]。在

Answer 1

是的，包括此功能。您描述的确切公式将在下一个版本中作为sklearn.preprocessing.MinMaxScaler。目前，^{}（在下一个版本中将重命名为StandardScaler，但旧名称将保留为向后兼容）中心和缩放特征具有平均值0和方差1，这对于向支持向量机学习者传递数据来说应该足够了。在

另外，^{}（以及用于文本分类的TfidfVectorizer）将每个样本的值规范化到范围[0，1]。这相当于文本分类和信息检索中常见的长度规范化。在

您可以使用Pipeline对象来构造一个中心化、缩放的SVM分类器：

clf = Pipeline([('scale', Scaler()),
                ('svm', SVC())])

Answer 2

我想你要找的是StandardScaler，至少是[-1,1]的例子。在