normalization问题分析

从得到的另一文本保存的结果：

x
-1 1
1 17837.8 120910
2 9072.4 96042.5
3 5.79773 8.93843
4 0.000159379 0.00488674
5 0.113665 0.338039
6 47.6554 885.154
7 5.89921 9.045389999999999
8 0.000139872 0.00429934
9 0.09410209999999999 0.30107
10 68.66500000000001 1343.01
11 5.83471 8.96603
12 0.000153273 0.00467842
13 0.106747 0.325129
14 52.8233 990.235
15 5.86354 8.963570000000001
16 0.000154128 0.00451467
17 0.108257 0.313342
18 77.2426 1183.43

　　也就是对每一列的最大值和最小值进行了保存，因为必须还要对测试数据进行统一归一化，所以有必要进行保存，不然没办法啦，呵呵

 也就是在libsvm保存为scale.scaled的文件，成为缩放规则。之后的测试数据按照此规则进行缩放。

毕竟训练分类器模型的是利用样本数据，因此测试数据也没必要缩放为[-1,+1]内。

另外附上exe调用方法：

svm-scale -s scale svm_sample_feature.txt>data.txt
svm-scale -r scale features_SVM.txt>test.txt