スケーリングだめだった？
SVMは、特徴量の尺度に敏感なモデルです。特にカーネル法を使用する場合や特徴量のスケールが異なる場合に影響を受けやすくなります。そのため、特徴量のスケーリングはSVMにとって重要な前処理手法の1つです。
スケーリングが行われていない場合、特徴量の尺度の違いがモデルの学習に影響を与え、性能を低下させる可能性があります。特に、特徴量の値の範囲が大きく異なる場合や、正規化されていない場合に影響が顕著に現れます。
そのため、SVMを使用する場合には、特徴量のスケーリングを行うことが推奨されます。一般的には、標準化（平均を引いてから標準偏差で割る）や正規化（値を0から1の範囲に変換する）などの手法が使われます。データセットの特性や実際の問題に応じて適切なスケーリング手法を選択することが重要です。