Vin*_*nia 6 python machine-learning scikit-learn
在使用scikit（python）解决机器学习问题的同时，我需要对scipy.sparse矩阵进行缩放，然后再使用SVM进行训练，以实现更高的准确性。但其明确提到这里，即：
只有在with_mean = False显式传递给构造函数时，scale和StandardScaler才接受scipy.sparse矩阵作为输入。否则将引发ValueError，因为静默居中会破坏稀疏性，并经常由于无意中分配过多的内存而使执行崩溃。
这意味着我对此不能有零均值。因此，如何缩放此稀疏矩阵，使其随单元方差也具有零均值。我还需要存储此“缩放”，以便可以在测试矩阵上使用相同的转换来缩放它。
如果矩阵较小，则可以使用进行增密X.toarray()。如果矩阵很大，则可能会消耗您的RAM。
作为均值居中和缩放的替代方法，您可以尝试使用sklearn.preprocessing.Normalizer；对每个样本进行归一化。这适用于频率功能（例如，在文本分类中）。