【发布时间】：2011-08-16 23:33:27
【问题描述】：
我有一个训练数据集和多个测试集（我在聚类框架中对实例进行分类，因此测试集的实例是即时计算的）。
实例属性有不同的尺度（第一个从 0 到 1，第二个从 0 到 100）。
我的分类器（逻辑回归和 SMO）如何处理他们没有同时拥有整个测试集的事实？
换句话说，如果他们不知道测试集中的最大值是多少，他们如何处理不同的尺度属性？
谢谢
【问题讨论】：
标签： machine-learning weka svm
【发布时间】：2011-08-16 23:33:27
【问题描述】：
根据Weka Javadocs，SMO“默认对所有属性进行归一化。（请注意，输出中的系数基于归一化/标准化数据，而不是原始数据。）”即，您将得到错误的归一化如果您的训练集没有涵盖每个属性的全部范围。这有多糟糕取决于您的数据。
我建议您尝试使用和不使用归一化进行训练（使用 setFeatureSpaceNormalization(false) 将其关闭），看看哪种效果最好。
【讨论】：