Fatal编程技术网
  • python-3.x/
  • Python 3.x 在连接之前或之后，使用StandardScaler缩放多个功能？

Python 3.x 在连接之前或之后，使用StandardScaler缩放多个功能？

python-3.x

Python 3.x 在连接之前或之后，使用StandardScaler缩放多个功能？,python-3.x,svm,scale,feature-extraction,scikit-image,Python 3.x,Svm,Scale,Feature Extraction,Scikit Image,我有一个图像数据集（像素值从0到255），我想从中提取不同的特征，例如HOG特征、Gabor滤波器特征、LBP和颜色直方图。 我想把这些特征连接成一个特征向量 feature_overall = np.concatenate((feat1, feat2, feat3, feat4), axis=1) 然后用得到的总体特征向量训练支持向量机 我正在使用Python和Scikit图像（Skimage） 我不确定，我必须在哪里使用标准定标器？分别针对每个特征，即在连接所有特征之前？或者，标准定标器是

我有一个图像数据集（像素值从0到255），我想从中提取不同的特征，例如HOG特征、Gabor滤波器特征、LBP和颜色直方图。 我想把这些特征连接成一个特征向量

feature_overall = np.concatenate((feat1, feat2, feat3, feat4), axis=1)
然后用得到的总体特征向量训练支持向量机

我正在使用Python和Scikit图像（Skimage）

我不确定，我必须在哪里使用标准定标器？分别针对每个特征，即在连接所有特征之前？或者，标准定标器是否应用于连接的特征向量，即结果的总体特征向量

非常感谢您的帮助，
StandardScaler
对每列进行缩放，使其平均值为0，标准偏差为1。从这个意义上讲，在连接之前还是之后缩放特征并不重要

但是，如果您使用的是
sklern.preprocessing.Normalizer（）
，那么它就很重要了
Normalizer（）
使每一行在某些度量中具有相同的大小（例如，欧几里德）

如果是这样，我会在连接特征之前使用
Normalizer（）
，因为您可能希望所有图像的HOG特征之和保持不变，但您可能不希望HOG特征之和Gabor filter特征，LBP和颜色直方图保持不变。

标准缩放器将每列缩放为平均值0和标准偏差1。从这个意义上讲，在连接之前还是之后缩放特征并不重要

但是，如果您使用的是
sklern.preprocessing.Normalizer（）
，那么它就很重要了
Normalizer（）
使每一行在某些度量中具有相同的大小（例如，欧几里德）

如果是这样，我会在连接特征之前使用
Normalizer（）
，因为您可能希望所有图像的HOG特征之和保持不变，但可能不希望HOG特征之和、Gabor过滤器特征、LBP和颜色直方图保持不变