我正在尝试从一组数字和分类特征中训练 SVM，例如：
- 距离 X（数字）
- 距离 Y（数字）
- 字体大小差异（数字）
- 字 1 粗体（布尔）
- 字 2 粗体（布尔）
- Word 1 字体大小（数字）
- ...
为了将特征映射到特征数组，我将 true 视为 1，将 false 视为 0，然后使用 Z 分数对整个特征数组进行归一化。
我是否应该将 false 编码为 -1，以便它对支持向量的生成产生数值影响，值为 0 它不会修改所选向量（我假设）？
布尔特征应该以与数字相同的方式归一化，还是应该保留其编码值？
布尔特征是否应该被归一化并且 false 应该是 -1 或 0
数据挖掘
特征选择
正常化
2021-09-19 07:29:43
1个回答
根据 Ricardo Cruz 的评论，我尝试将 false 的值从 0 切换到 -1，并打开和关闭规范化。
将值从 0 切换到 - 1 或特征归一化都不会对 SVM 预测的值产生任何影响。在这种情况下，我为我的 SVM 使用了高斯核和顺序最小优化。
其它你可能感兴趣的问题