我有一个回归问题,我使用SVR
. 意外的是,我通过删除平均值并除以每个特征的标准差来对输出和输入进行归一化。
令人惊讶的是,Rsquare 得分增加了 10%。
如何解释输出归一化对 svm 回归的影响?
我有一个回归问题,我使用SVR
. 意外的是,我通过删除平均值并除以每个特征的标准差来对输出和输入进行归一化。
令人惊讶的是,Rsquare 得分增加了 10%。
如何解释输出归一化对 svm 回归的影响?
在回归问题中,通常也会对输出进行归一化,因为输出和输入特征的规模可能不同。获得SVR
模型结果后,如果您在标准化过程中这样做,则必须将平均值添加到结果中并将其乘以标准差。
如何解释输出归一化对
svm
回归的影响?
如果您对数据进行规范化,您将拥有一个表现良好的成本函数。意味着您可以更轻松地找到本地零件。原因是您必须使用回归问题中的输入特征来构造输出。很难用小的归一化特征产生大的值,但用小的数字,产生一个归一化的输出更容易并且可以更快地学习。