我对机器学习和Python非常新手，正在尝试构建一个模型来预测患者（N=200）与对照组（N=200）的结构性神经影像数据。在初始预处理中，我将神经影像数据重塑为一个二维数组后，构建了以下模型：

from sklearn.svm import SVCsvc = SVC(C=1.0, kernel='linear')from sklearn.grid_search import GridSearchCVfrom numpy import rangek_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_

这个模型的效果还不错，但我希望能控制不同图像使用不同扫描仪的事实（例如，1到150号受试者使用扫描仪1扫描，101到300号受试者使用扫描仪2扫描，301到400号受试者使用扫描仪3扫描）。有没有什么方法可以将这个因素加入到上面的模型中？

我读到过，先进行特征选择可能会有帮助。然而，我不希望简单地提取有意义的特征，因为这些特征可能与扫描仪有关。实际上，我希望对患者和对照组的分类不是基于扫描仪（即控制扫描仪的影响）。

任何建议都会受到欢迎，谢谢

回答：

为了诊断，你可以查看每个扫描仪的数据分布情况，以判断你所追求的方向是否有前景。正如有人已经建议的，标准化（例如，每个扫描仪的均值和方差标准化）可以是一个选项。另一个选项是向你的特征集添加3个额外的维度，作为扫描仪的独热编码（即，对于每个示例，你在相应扫描仪的位置上有一个1，其他位置为0）