Chia nhỏ dữ liệu trong scikit-learning SVM

Question

Trong khi libsvm cung cấp các công cụ để chia tỷ lệ dữ liệu, với Scikit-Learn (dựa trên libSVM cho trình phân loại SVC), tôi không tìm cách chia tỷ lệ dữ liệu của mình.

Về cơ bản tôi muốn sử dụng 4 tính năng, trong đó 3 phạm vi từ 0 đến 1 và số cuối cùng là số có số lượng lớn "lớn".

Nếu tôi bao gồm tính năng thứ tư trong libSVM (sử dụng kịch bản easy.py tự động chia tỷ lệ dữ liệu của tôi), tôi nhận được một số kết quả rất tốt (độ chính xác 96%). Nếu tôi bao gồm biến thứ tư trong Scikit-Tìm hiểu độ chính xác giảm xuống ~ 78% - nhưng nếu tôi loại trừ nó, tôi nhận được cùng kết quả tôi nhận được trong libSVM khi loại trừ tính năng đó. Vì vậy, tôi khá chắc chắn đó là một vấn đề thiếu mất quy mô.

Làm cách nào để sao chép theo chương trình (tức là không gọi quy mô svm) quy trình chia tỷ lệ SVM?

Answer 1

Bạn có chức năng rằng trong sklearn.preprocessing:

>>> from sklearn import preprocessing 
>>> X = [[ 1., -1., 2.], 
...  [ 2., 0., 0.], 
...  [ 0., 1., -1.]] 
>>> X_scaled = preprocessing.scale(X) 

>>> X_scaled           
array([[ 0. ..., -1.22..., 1.33...], 
     [ 1.22..., 0. ..., -0.26...], 
     [-1.22..., 1.22..., -1.06...]]) 

Dữ liệu sau đó sẽ có không có ý nghĩa và đơn vị sai.