scikit学习支持向量机中的尺度数据

Question

虽然libsvm提供了缩放数据的工具，但是使用Scikit Learn（它应该基于SVC分类器的libsvm），我找不到缩放数据的方法。

基本上我想使用4个特性，其中3个特性的范围从0到1，最后一个特性是一个“大”高度可变的数字。

如果我在libSVM中包含第四个特性（使用easy.py脚本自动缩放数据），我会得到一些非常好的结果（96%的准确率）。 如果我在Scikit Learn中包含第四个变量，则精度会下降到~78%，但如果排除它，则得到的结果与排除该特征时在libSVM中得到的结果相同。因此我很确定这是一个缺少缩放的问题。

如何以编程方式（即不调用svm scale）复制svm的缩放过程？

Answer 1

您在^{}中具有此功能：

>>> 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...]])

然后数据的均值和单位方差为零。