有人可以为这个SVM二进制文件解释这些浮点值吗？

Question

我正在使用在此站点上找到的news20.binary文件。 https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html

这是与LibSVM库一起使用的预生成的二进制文件。 我在下面有一个二进制文件的小例子。 我的问题是我不了解浮点值是如何生成的。 例如，请注意index：value对以及该行中的值如何相同。 下一行具有重复的索引值，但是成对的值在此处是唯一的，但无论该行上的索引值如何，它都将重复。 这是LibSVM二进制文件的一小部分。

-1 1:0.016563 2:0.016563 3:0.016563 4:0.016563 5:0.016563 6:0.016563 7:0.016563
-1 1:0.013067 2:0.013067 3:0.013067 5:0.013067 6:0.013067 9:0.013067 13:0.013067
-1 40:0.028421 54:0.028421 75:0.028421 81:0.028421 89:0.028421 97:0.028421 102:0.028421
-1 40:0.048057 57:0.048057 75:0.048057 97:0.048057 102:0.048057 103:0.048057 114:0.048057
-1 40:0.084515 75:0.084515 97:0.084515 103:0.084515 114:0.084515 120:0.084515 171:0.084515
-1 9:0.028352 32:0.028352 40:0.028352 54:0.028352 57:0.028352 75:0.028352 81:0.028352
-1 9:0.090167 75:0.090167 97:0.090167 102:0.090167 103:0.090167 114:0.090167 149:0.090167
-1 40:0.047458 75:0.047458 89:0.047458 97:0.047458 103:0.047458 114:0.047458 149:0.047458
-1 40:0.031976 48:0.031976 75:0.031976 81:0.031976 89:0.031976 97:0.031976 102:0.031976

我意识到缩放和规范化可能正在发生，但是在什么意义上呢？ 我认为这很简单，只要在每个索引处获取feature_max值以及feature_min值即可。 然后将这些极限值缩小为0到1之间的值。这就是我的二进制文件现在出现的样子。

6:1.000000 68:0.000000 83:0.392857 94:0.073786 334:1.000000 463:1.000000 625:1.000000
63:0.613432 119:0.595636 121:0.357801 325:0.466867 477:1.000000 664:0.466867 892:0.300000
15:0.000000 64:0.553846 94:0.089619 150:1.000000 356:1.000000 418:1.000000 602:1.000000
76:1.000000 94:0.794175 171:0.925523 576:1.000000 581:1.000000 616:0.923810 698:1.000000 1229:1.000000                      
15:0.857143 36:0.778842 94:0.191401 308:1.000000 382:0.122203 617:0.266600 858:0.576355
63:0.350350 94:0.142395 296:1.000000 325:0.585341 718:1.000000 785:0.269692 932:0.693694
313:0.279469 790:0.311258 1016:1.000000 1028:1.000000 1239:1.000000 1541:1.000000 1708:1.000000
9:0.402892 53:1.000000 60:0.567273 94:0.217864 592:1.000000 615:0.246701 663:0.738462

Answer 1

看一下news20.binary的描述 ，

预处理：每个实例都有单位长度。

例如，对于第一个实例，所有3646个特征均为0.016563，因此1 = 3646 *（0.016563）^ 2

根据本文 ，news20.binary最初来自文本数据UCI二十个新闻组，并且由TFIDF生成，这是处理文本数据的常用方法。

结果，news20.binary在缩放之前具有二进制功能，并且对于单个实例，其功能都相同。