我一直在尝试一些SVM的实现方法，我在想 – 有什么最好的方法可以将特征值标准化到一个范围内呢？（从0到1）
假设我有3个特征，其值的范围分别为：
-
3 – 5.
-
0.02 – 0.05
-
10-15.
我如何将所有这些值转换到[0,1]的范围内呢？
如果在训练过程中，我遇到的特征1的最高值是5，而当我开始在更大的数据集上使用我的模型时，我遇到了高达7的值，那么在转换后的范围内，它会超过1…
在训练过程中，我如何标准化值以考虑到“野外”值可能超过模型在训练期间“见过的”最高（或最低）值的可能性？模型会如何反应，我如何在这种情况下使其正常工作？
回答：
你可以通过将其转换为单位向量来标准化一个向量。这样做可以让SVM基于特征的相对值而不是大小进行训练。标准化算法可以处理任何值的向量。
要转换为单位向量，将每个值除以向量的长度。例如，一个[4 0.02 12]的向量长度为12.6491。标准化后的向量则是[4/12.6491 0.02/12.6491 12/12.6491] = [0.316 0.0016 0.949]。
如果在“野外”我们遇到了[400 2 1200]的向量，它将标准化为与上述相同的单位向量。特征的大小通过标准化被“抵消”，我们得到的是介于0和1之间的相对值。
