Python 是否有可能向SVM模型中添加一个协变量（对不感兴趣的变量进行控制）？

我对机器学习和python非常陌生，我正在尝试建立一个模型，以预测患者（N=200）和对照组（N=200）的结构神经成像数据。在初始预处理完成后，我将神经成像数据重塑为2D阵列，并构建了以下模型：

from sklearn.svm import SVC
svc = SVC(C=1.0, kernel='linear')


from sklearn.grid_search import GridSearchCV
from numpy import range
k_range = np.arange(0.1,10,0.1)
param_grid=dict(C=k_range)
grid=GridSearchCV(svc, param_grid, cv=10, scoring='accuracy')
grid.fit(img,labels)
grid.grid_scores_
print grid.best_score_
print grid.best_params_

这给了我一个不错的结果，但我想控制以下事实：使用不同的扫描仪采集不同的图像（例如，使用扫描仪1扫描受试者1至150，使用扫描仪2扫描受试者101至300，使用扫描仪3扫描受试者301至400）。是否有任何方法可以将其添加到上述模型中

我读到之前的功能选择可能会有所帮助。然而，当这些特征可能与扫描仪相关时，我不想简单地提取有意义的特征。事实上，我想对患者和控制进行分类，而不是基于扫描仪（即扫描仪控制）

如果您对此有任何想法，我们将不胜感激，

---

感谢您的诊断，您可以查看数据在每个扫描仪上的分布情况，看看您正在追求的方向是否有希望。标准化（例如，每个扫描仪的平均值+方差）可以是一个选项，正如有人已经建议的那样。另一个选项是向要素集添加3个附加维度，作为所用扫描仪的一个热编码（即，对于每个示例，相应扫描仪的位置为1，其他扫描仪的位置为0）

若要将其添加到模型中，可以将每个扫描仪的规格化参数作为要素，并将其包含在模型中

只是一个注释，参数

C

的网格应为对数间隔

k_range=np.logspace（-1,1100）

谢谢@ZichenWang的建议，它将更新代码。在我看来，你似乎在寻找某种形式的规范化，扫描仪错误被抽象掉了。我不确定这些方法是什么，但也许更广泛的术语可能会有所帮助。谢谢@JuanCarlosCoto，我将阅读更多关于规范化及其工作原理的内容。谢谢，这非常有用。我很喜欢你提到的最后一个选择。我一定会同意的。把你的答案解释清楚