[Darakan]

Cześć Mirasy, mam pytanie, czy robiąc porównanie różnych modeli klasyfikacyjnych na tych samych danych, gdzie jednym z nich jest SVM, powinno się zrobić standaryzacje zmiennych ilościowych dla wszystkich modeli, czy tylko dla SVM?
#uczeniemaszynowe #python #machinelearning

[Pathfinder007]

@Darakan: Zbyt skomplikowane pytanie jak na vikop, zapraszam na https://ai.stackexchange.com/

[Darakan]

@Pathfinder007: myślę, że ktoś mądry się znajdzie :D ale dzięki, jak coś to skorzystam z tego forum

[askorek]

Jak zrobisz, a dany model nie potrzebuje, to w niczym mu nie zaszkodzi.

[mrocznapszczola]

Zależy jak rozumiesz model klasyfikacji. Jeśli twoim modelem jest standaryzacja+svm to jest totalnie OK. Jeśli model nie potrzebuje standaryzacji (np. drzewa) to po co dodawać standaryzację? Pewnie chcesz mieć więcej roboty z wdrożeniem :D
Pamiętaj tylko żeby standaryzację przeprowadzić na podstawie danych treningowych a nie całego zbioru.

[leoshelby]

@Darakan: koniec koncow jak wszystko sobie skladasz w pipeline'y i porownujesz ze soba wyniki, to tylko jedna dodatkowa transformacja dla svm, knn, lr itd, wiec mozesz dorzucic tenbkrok dla modeli opartych na drzewach, ale tak jak pisal kolega wyzej, guzik to da