在连接之前或之后使用StandardScaler缩放多个功能吗？

Question

我有一个图像数据集（像素值介于0到255之间），我想从中提取不同的特征，例如HOG功能，Gabor滤镜功能，LBP和颜色直方图。我想将这些特征连接成一个特征向量

feature_overall = np.concatenate((feat1, feat2, feat3, feat4), axis=1)

然后使用此结果整体特征向量训练SVM。

我正在使用Python和Scikit-Image（Skimage）。

我不确定，在这里我必须在哪里使用标准缩放器？对于每个功能，分别是在所有功能串联之前？还是将标准缩放器应用于级联特征向量，即最终的整体特征向量？

非常感谢您的帮助

Answer 1

StandardScaler缩放每列以具有均值0和标准偏差1。在这种情况下，缩放在连接之前或之后的要素都没有关系。

但是，如果您使用的是sklern.preprocessing.Normalizer()，那将很重要。 Normalizer()使每一行的度量值相同（例如，欧几里得）。

[如果是这样，我会在连接特征之前使用Normalizer()，因为您可能希望HOG特征的总和在所有图像中保持恒定，但是您可能不希望HOG特征的总和，Gabor滤波特征， LBP和颜色直方图保持恒定。