Normalizowanie wartości funkcji dla SVM
Grałem z niektórymi implementacjami SVM i zastanawiam się - jaki jest najlepszy sposób na znormalizowanie wartości funkcji, aby pasowały do jednego zakresu? (od 0 do 1)
Załóżmy, że mam 3 funkcje o wartościach w zakresach:
3 - 5.
0,02 - 0,05
10-15.
Jak przekonwertować wszystkie te wartości na zakres [0,1]?
Co się stanie, jeśli podczas treningu najwyższa wartość numeru funkcji 1, którą napotka, wynosi 5 i po rozpoczęciu używania mojego modelu na znacznie większych zestawach danych, natknę się na wartości tak wysokie, jak 7? Następnie w przekonwertowanym zakresie przekroczyłoby 1 ...
Jak normalizować wartości podczas treningu, aby uwzględnić możliwość „wartości na wolności” przekraczających najwyższe (lub najniższe) wartości, które model „widzi” podczas treningu? W jaki sposób model zareaguje na to i jak sprawię, aby działał prawidłowo, kiedy to nastąpi?