C++ opencv SVM不适用于缩放特征

我试图在OpenCV 2.4.9中使用SVM，但在实现特征缩放时遇到了问题。我正在运行支持向量机教程简介中的源代码：

当我复制粘贴代码并运行它时，它工作正常，显示如下：

然后，我尝试通过进行2次修改将特征标准化为[0,1]：

增加trainingDataMat/=512.f；在训练SVM之前，对训练数据进行归一化

将预测步骤修改为float response=SVM.predictsampleMat/512.f；从而使测试数据正常化

执行此操作后，它预测所有值都是同一类，生成以下图像：

---

我错过了什么？在实现功能规范化方面是否还有一些我不知道的额外步骤？

我找到了一种产生所需行为的解决方法，但我必须承认，我不确定它为什么有效

在上述两个试验中，正则化参数C均未指定，因此默认为1。但是，如果我在缩放版本中添加一行，将其指定为512，即缩放步骤中分割特征的值，则SVM工作正常

---

我不明白的是，为什么正则化项太小会导致训练数据的错误分类，因为在这种情况下，训练点是线性可分离的。我的理解是，线性可分离训练数据的错误分类通常是C太大的结果。

你的所有列/特征是否都从0到512？告诉你，不只是这个问题，OpenCV的SVM不好。而且，特征通常不是这样归一化的。尽管如此，我不认为一个常数的简单缩放对分类有什么影响。您是否对预测响应进行了数字检查？@carlosdc此代码生成4个具有2个特征和2个类的训练数据点，训练线性支持向量机，然后预测512x512网格上每个点的类，生成上面的图像，训练点标记为圆。特性本身是从0到511的浮点值。@a-Jays我最初将特性缩放为[-1 1]，但在提出问题之前，我将其简化为上述方案，以便我的代码尽可能与原始代码相似。关于检查响应，除了代码运行以生成发布的图像的参数扫描之外，我还检查了调试模式下的响应。他们匹配了图形输出。有没有另外一种方法来检查你心目中的回答？