关于TF-IDF特征缩放的技术疑问：按单样本还是全局最大值归一化？

根据论文描述，这里的“除以该特征在训练集中的最大绝对值”指的是所有样本统一除以整个训练集中对应特征的最大绝对值，并非单个样本自身的特征最大值。

具体原因如下：

• 原文明确提到“将每个特征缩放至[-1,1]区间”，这里的“每个特征”对应词汇表中单个词的TF-IDF维度（即你筛选出的10000个特征之一）。针对这类特征的缩放，“训练集中的最大绝对值”必然是该特征在所有训练样本中的全局最大绝对值。
• 若采用单个样本除以自身特征最大值的方式，会导致每个样本的最大特征值被归一化为1，但不同样本间的特征尺度无法对齐，违背了特征缩放“统一特征尺度、提升模型稳定性”的核心目的。
• 结合TF-IDF的特性来看，IDF本身就是基于整个训练集的全局统计结果，后续的特征缩放也会遵循全局统计的逻辑——训练阶段计算的全局最大绝对值，会同时用于训练集和测试集的特征缩放，确保数据处理逻辑的一致性。

内容的提问来源于stack exchange，提问作者yi zhu