2012-06-11 17 views
0

我正在設計一個考慮n維的支持向量機。沿着每個維度,這些值可以從[0-1]範圍內變化。現在,如果我無法從原始數據集中確定特定維度上的值,由於各種原因,對於特定數據點,SVM的值應該沿着這個維度值?我可以把它作爲[-1]表示缺失值嗎?支持向量機中維度的NULL值

感謝 阿布舍克小號

+1

不,你應該專門處理缺失的值。否則svm會學習不好的東西。有一些方法來處理丟失的數據,谷歌它。 – Ran

+0

輝煌。謝謝。談到平均等幾種方法 –

回答

0

你會得到更好的服務留下缺失值排除所有如果尺寸將不能夠作出貢獻的空間,你的機器的分區。這是因爲SVM唯一可以做的就是將權重放在該維度上,就分類能力而言,因爲該維度中的所有點都在相同的位置。

因此,每一次通過該維度只是浪費了計算資源。如果恢復此值非常重要,那麼您可以使用某種類型的迴歸模型來嘗試返回估計值,但如果該估計值是從其他數據生成的,那麼它再次不會對您的SVM是因爲估計維度中的數據不過是您用來生成它的數據的總結(我假設它將在您的SVM模型中)。