SVM-Klassifizierung - Normalisierung in R

Question

Ich möchte mit SVM Klassifizierung arbeiten. Wie ist es möglich, die Features pro Spalte in meinem Dataset zu normalisieren (oder zu skalieren), bevor ich das Modell SVM verwende?

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) 

Answer 1

können Sie die scale Funktion in einem sapply verwenden:

Wenn Ihre Datenvariablen mit NaN Werten oder mit 0 Varianz enthalten, können Sie ersten Prozess könnte und die ursprünglichen Daten-Sets Teilmenge vor der Funktion über.

# get a vector of variables to drop 
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 
       } 
# subset test dropping columns that don't fit the criteria 
smallerdf <- test[, dropVars] 

gelten dann die ursprüngliche sapply Funktion oben auf smallerdf