我想使用SVM进行分类。在使用SVM模型之前，如何对数据集中每列的特征进行归一化（或缩放）处理？

train <- read.csv("train.csv")test <- read.csv("test.csv")svm.fit=svm(as.factor(type)~ ., data=train, core="libsvm",kernel="linear",cross=10, probability=TRUE)

回答：

你可以使用sapply中的scale函数来实现：

scaleddf <- as.data.frame(sapply(train, function(i) if(is.numeric(i)) scale(i) else i))

如果你的数据中包含NaN值或方差为0的变量，你可以在使用上述函数之前先处理并筛选原始数据集。

# 获取需要删除的变量向量dropVars <- sapply(train, function(i) {              if((is.numeric(i) & !any(is.nan(i)) & sd(i) > 0) | is.factor(i) | is.character(i)) TRUE              else FALSE              })# 筛选测试集，删除不符合条件的列smallerdf <- test[, dropVars]

然后对smallerdf应用上述原始的sapply函数