在连接之前或之后使用 StandardScaler 缩放多个功能？

Question

我有一个图像数据集（像素值从 0 到 255），我想从中提取不同的特征，例如HOG 特征、Gabor 滤波器特征、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)

然后用这个得到的整体特征向量训练一个 SVM。

我正在使用 Python 和 Scikit-Image (Skimage)。

我不确定，我必须在哪里使用标准缩放器？分别针对每个功能，即在连接所有功能之前？还是将标准缩放器应用于级联特征向量，即应用于生成的整体特征向量？

感谢大家的帮助

Answer 1

StandardScaler 将每一列缩放为均值 0 和标准差 1。从这个意义上说，在连接之前或之后缩放特征并不重要。

但是，如果您使用的是 sklern.preprocessing.Normalizer()，那就很重要了。 Normalizer() 使每一行在某些度量（例如欧几里得）中具有相同的量级。

如果是这样，我会在连接特征之前使用Normalizer()，因为您可能希望所有图像中的 HOG 特征之和保持不变，但您可能不希望 HOG 特征之和，Gabor 过滤器功能, LBP 和颜色直方图保持不变。