Пусть у меня есть несколько значений следующим образом:Означает ли ось нормализации разницу в предсказании в SVM?
x1 x2 x3 y
1 40 0.9 1
0.9 80 0.5 1
0.6 50 0.6 0
0.4 30 0.7 0
делает значение выглядеть следующим образом:
x1 x2 x3 y
1 0.5 0.9 1
0.9 1 0.5 1
0.6 0.7 0.6 0
0.4 0.8 0.7 0
колонок у есть выход. Будет ли это иметь значение, если я нормализую по столбцу x2 (ось = 0), а не по рядам (ось = 1).
будут ли прогнозы меняться?
Может ли кто-нибудь объяснить математику позади нее?
Что обозначают другие значения? (ниже «сделать значения похожими:») x1, x2, x3 и т. д. обозначает функции. Особенности могут быть в разных размерах (такие единицы, как метр, см, секунды и т. Д.) И масштаб. Так что это не имеет никакого смысла, если вы нормализуете его по строкам. Они должны быть нормализованы в столбце, чтобы иметь смысл. –
@ Jibin Да Вивек Кумар прав, говоря, что нормализация по строкам не имеет никакого смысла. Нормировки по столбцам (или функциям) выполняются так, чтобы все функции находились в одном диапазоне. Это делается так, чтобы вычисление расстояния, которое есть в SVM, является правильным, и оценка веса для функций выполняется правильно. Нормализация по строкам даст неоднозначные результаты. – prashanth