Gostaria de saber se usar o Standar Scaler com o modelo LinearSVC tem algum impacto negativo? Se é boa prática não usar ou algo do genêro. Se sim, porquê?
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Gostaria de saber se usar o Standar Scaler com o modelo LinearSVC tem algum impacto negativo? Se é boa prática não usar ou algo do genêro. Se sim, porquê?
Olá Gabriel.
No exemplo da documentação do LinearSVC é utilizado o StandardScaler então já é um sinal de que não é algo que não é recomendado.
>>> from sklearn.svm import LinearSVC
>>> from sklearn.pipeline import make_pipeline
>>> from sklearn.preprocessing import StandardScaler
>>> from sklearn.datasets import make_classification
>>> X, y = make_classification(n_features=4, random_state=0)
>>> clf = make_pipeline(StandardScaler(),
... LinearSVC(random_state=0, tol=1e-5))
>>> clf.fit(X, y)
Pipeline(steps=[('standardscaler', StandardScaler()),
('linearsvc', LinearSVC(random_state=0, tol=1e-05))])Mas podemos ir mais a fundo e irmos nas recomendações que a documentação faz para as Support Vector Machines (SVM), lá é dito que as SVM são variantes a escala e que é altamente recomendado reescalar seus dados.
Então sim, você pode usar StandardScaler quando estiver usando as SVM e olhando pela documentação concluímos que você deve utilizar, para obter os melhores resultados.
Espero ter ajudado, qualquer duvida não hesite em perguntar.
Bons Estudos.