Logistics Regression & SVC:如果特征是 BOW、tf-idf 或 doc2Vec,我们是不是需要进行缩放?
Posted
技术标签:
【中文标题】Logistics Regression & SVC:如果特征是 BOW、tf-idf 或 doc2Vec,我们是不是需要进行缩放?【英文标题】:Logistics Regression & SVC: Do we need to do scaling if features are BOW, tf-idf or doc2Vec?Logistics Regression & SVC:如果特征是 BOW、tf-idf 或 doc2Vec,我们是否需要进行缩放? 【发布时间】:2021-12-19 08:05:52 【问题描述】:我知道物流回归和 SVC 通常需要扩展功能。但是,如果特征是由
-
弓
tf-idf
doc2Vec
我们还需要扩展功能吗?
谢谢
【问题讨论】:
【参考方案1】:您永远不需要做任何事情,但您应该尝试两种方式,并选择对您的数据和目标得分更高的方法。
【讨论】:
感谢您的回复!但我想了解为什么我需要或不需要扩展这些功能。 eg tf-idf 本身也被认为是缩放的,所以我需要使用标准缩放器来缩放它吗? 当您尝试不同的缩放器时,哪个效果最好?只有在确定了这一点之后,开始调查“为什么”缩放或特定类型的缩放才有意义。以上是关于Logistics Regression & SVC:如果特征是 BOW、tf-idf 或 doc2Vec,我们是不是需要进行缩放?的主要内容,如果未能解决你的问题,请参考以下文章
机器学习-逻辑回归(logistics regression)
以German信用数据为例的logistics regression算法在评分卡上的实践
吴恩达深度学习编程作业(1-1):Logistic Regression with a Neural Network mindset
Tensflow & Numpy to implement Linear Regresssion and Logistic Regression