常に標準的な練習を標準化していますか？

-1

前処理中にすべての機能を正規化する必要性について、すべての単一機械学習方法（パーセプトロン、SVMなど）で警告するようです。常に標準的な練習を標準化していますか？

これは、一般的なすべての機械学習方法で常に当てはまりますか？あるいは、標準化された機能を必要とする数少ない点に着目しています。

2016-08-23 Anton

いつも必要なわけではありません（e、g、ランダムフォレストは一般に気にしません）。しかし、SVMトレーニングの背後にある理論、例えば確率的勾配降下の理論は、正規化されたデータを好む。 – sascha

@サスカだけで物事を明確にする - SGDは実際にはMLメソッドではなく、実際には一次オプティマイザなので、SGDで訓練されているモデルもあります。 – lejlot

@lejlotコメントをいただきありがとうございます。これに関して何かお読みになりますか？ SGDは正規化されたデータを使用すると（SGDがより安定して動作すると期待していますが、データが正規化されていない場合、悪い「方向」に移動すると「悪い」方向に移動する）、推定エラーまたは最適化エラー確かに）。 – sascha

一般に、多くのMLメソッドはそれを必要とするので、正規化することをお勧めします。他の方法はまったく気にしません（したがって、プロセスを害することはありません）。唯一の例外は、非常に特定の種類のデータ用に作られたメソッドです（特に、オブジェクトの完全なクラスを表現するフィーチャがあり、これを認識している特殊なメソッドを持つ場合、数字）。

出典

2016-08-23 19:26:50 lejlot

常に標準的な練習を標準化していますか？

答えて

関連する問題