machine-learning - svm-scale 中的 y 缩放是什么意思

Question

这是否意味着缩放目标（类）的值，这是每个实例的第一列？

问候，

amber@cent64 libsvm-3.17]$ svm-scale
Usage: svm-scale [options] data_filename
options:
-l lower : x scaling lower limit (default -1)
-u upper : x scaling upper limit (default +1)
-y y_lower y_upper : y scaling limits (default: no y scaling)
-s save_filename : save scaling parameters to save_filename
-r restore_filename : restore scaling parameters from restore_filename

Answer 1

是的，这意味着在以下数据集中缩放数据集的每个实例的输出（目标）值：

y0 1:x00 2:x01 3:x02 ... n: x0n-1
y1 1:x10 2:x11 3:x12 ... n: x1n-1
...
yn 1:xn0 2:xn1 3:xn2 ... n: xnn-1

如果您检查文件svm-scale.c，您会发现缩放 y 数据的公式是：

value = y_lower + (y_upper-y_lower) * (value - y_min)/(y_max-y_min);