正如該主題所說,我在標準化和支持scikitlearn SVM迴歸的數據集標準化方面遇到了一些麻煩。支持向量機標準化或標準化數據輸入scikitlearn
我的問題是:
當我想要搜索的SVM參數(
C
和gamma
例如),我用這個代碼:param_grid = [ {'C': [1, 10, 100, 1000], 'kernel': ['linear']}, {'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001], 'kernel': ['rbf']}, ] svr = svm.SVC() clf = grid_search.GridSearchCV(svr, param_grid) clf.fit(X_train,TargetT)
我應該規範
X_train
和TargetT
載體中的fit
函數?X_train
包含-1和1和TargetT
之間的值是0和 1與載體意味着不等於0和std
不等於1我試圖使用
preprocessing.StandardScaler()
功能上 的InputTraining
和InputValidation
數據集,但當我檢查 平均值時,我的每個特徵的值都不等於0( 的順序是e-14),std類似於1.00000985。那 是正常還是我做錯了?我想用縮放 數據集作爲輸入的SVM作爲代碼belove:scalerI = preprocessing.StandardScaler() X_train = scalerI.fit_transform(InputT) X_test = scalerI.transform(InputCross) svr = SVR(kernel='rbf', epsilon=0.01, C=100, gamma = 0.01) y_rbf = svr.fit(X_train,TargetT) y_hat=svr.predict(X_test)
非常感謝你。
好的,謝謝!關於第二點,我認爲,因爲他們足夠接近0和1,他們仍然可以作爲SVM的輸入,但我並不完全確定。感謝您提出的管道建議 – PSan