Ich habe mit einigen SVM-Implementierungen gespielt und frage mich, wie sich Feature-Werte am besten normalisieren lassen, damit sie in einen Bereich passen. (von 0 bis 1)

Nehmen wir an, ich habe 3 Features mit Werten in Bereichen von:

3 - 5.

0,02 - 0,05

10-15.

Wie konvertiere ich all diese Werte in einen Bereich von [0,1]?

Was passiert, wenn während des Trainings der höchste Wert für Merkmal Nummer 1, auf den ich stoßen werde, 5 ist und wenn ich mein Modell für viel größere Datensätze verwende, stoße ich auf Werte bis zu 7? Im umgerechneten Bereich würde es dann 1 überschreiten ...

Wie normalisiere ich Werte während des Trainings, um die Möglichkeit zu berücksichtigen, dass "Werte in freier Wildbahn" die höchsten (oder niedrigsten) Werte überschreiten, die das Modell während des Trainings "gesehen" hat? Wie wird das Modell darauf reagieren und wie bringe ich es in diesem Fall zum Laufen?