scikit-learn的SVM基於LIBSVM。 LIBSVM/SVM要求應縮放數據，建議特徵值應在兩個範圍[0,1]或[-1,1]之一中。也就是說，在典型的矩陣中，每列都是一個特徵，縮放是按每列完成的。scikit支持在[0,1]或[-1,1]之間縮放功能
LIBSVM FAQ表明一個簡單的縮放得到[0,1]之間的特徵：
x'=(x-min)/(Max-min)
是否scikit學習支持這種「簡單的縮放」？是否還有其他建議來擴展要與SVM和RBF內核一起使用的功能。任何參考？我發現了一篇名爲「支持向量分類的實用指南」的參考文章，該文章基於LIBSVM，並建議縮放爲[0,1]或[-1,1]。
是的，包括此功能。您所描述的確切公式將在下一個版本中作爲sklearn.preprocessing.MinMaxScaler。現在，sklearn.preprocessing.Scaler（將在下一版本中改名爲StandardScaler，但舊名稱將保持周圍向後compat的）中心和縮放功能，具有均值爲0，方差爲1，這應該是足夠好將數據傳遞到SVM學習。
另外，sklearn.preprocessing.Normalizer（以及用於文本分類TfidfVectorizer）規格化每個樣品值到範圍[0,1]。這相當於文本分類和信息檢索中常見的長度標準化。
可以使用Pipeline對象構造一箇中心，縮放SVM分類：
clf = Pipeline([('scale', Scaler()),
('svm', SVC())])
謝謝拉斯曼！很明顯，預處理.Scaler（）是標準化列（平均值爲零，var = 1）。但是，我沒有得到範圍[-1，+ 1]中的值。我有一個矩陣a。我使用下面的代碼：scal = preprocessing.Scaler（），scal.fit（a），scal.transform（a）。結果不在[-1，+ 1]的範圍內。 – user963386
@ user963386確保您的矩陣包含浮點值。否則，縮放器將無法正常工作。 –