scikit-learn的SVM基于LIBSVM。 LIBSVM/SVM要求应缩放数据，建议特征值应在两个范围[0,1]或[-1,1]之一中。也就是说，在典型的矩阵中，每列都是一个特征，缩放是按每列完成的。scikit支持在[0,1]或[-1,1]之间缩放功能
LIBSVM FAQ表明一个简单的缩放得到[0,1]之间的特征：
x'=(x-min)/(Max-min)
是否scikit学习支持这种“简单的缩放”？是否还有其他建议来扩展要与SVM和RBF内核一起使用的功能。任何参考？我发现了一篇名为“支持向量分类的实用指南”的参考文章，该文章基于LIBSVM，并建议缩放为[0,1]或[-1,1]。
是的，包括此功能。您所描述的确切公式将在下一个版本中作为sklearn.preprocessing.MinMaxScaler。现在，sklearn.preprocessing.Scaler（将在下一版本中改名为StandardScaler，但旧名称将保持周围向后compat的）中心和缩放功能，具有均值为0，方差为1，这应该是足够好将数据传递到SVM学习。
另外，sklearn.preprocessing.Normalizer（以及用于文本分类TfidfVectorizer）规格化每个样品值到范围[0,1]。这相当于文本分类和信息检索中常见的长度标准化。
可以使用Pipeline对象构造一个中心，缩放SVM分类：
clf = Pipeline([('scale', Scaler()),
('svm', SVC())])
谢谢拉斯曼！很明显，预处理.Scaler（）是标准化列（平均值为零，var = 1）。但是，我没有得到范围[-1，+ 1]中的值。我有一个矩阵a。我使用下面的代码：scal = preprocessing.Scaler（），scal.fit（a），scal.transform（a）。结果不在[-1，+ 1]的范围内。 – user963386
@ user963386确保您的矩阵包含浮点值。否则，缩放器将无法正常工作。 –