LIBSVM测试数据的缩放：MATLAB实现

我目前使用MATLAB版本的LIBSVM支持向量机对我的数据进行分类。LIBSVM文档提到，在应用SVM之前进行缩放非常重要，我们必须使用相同的方法来缩放训练和测试数据

“相同的缩放方法”解释为： 例如，假设我们将训练数据的第一个属性从

[-10，+10]

缩放到

[-1，+1]

。如果测试数据的第一个属性位于范围

[-11，+8]

，则必须将测试数据缩放到

[-1.1，+0.8]

可以使用以下MATLAB代码在

[0,1]

范围内缩放训练数据：

(data - repmat(min(data,[],1),size(data,1),1))*spdiags(1./(max(data,[],1)-min(data,[],1))',0,size(data,2),size(data,2))

但我不知道如何正确缩放测试数据

---

非常感谢您的帮助。

您给出的代码基本上是减去最小值，然后除以范围。 您需要存储训练数据特征的最小值和范围

minimums = min(data, [], 1);
ranges = max(data, [], 1) - minimums;

data = (data - repmat(minimums, size(data, 1), 1)) ./ repmat(ranges, size(data, 1), 1);

test_data = (test_data - repmat(minimums, size(test_data, 1), 1)) ./ repmat(ranges, size(test_data, 1), 1);

---

不幸的是，如果存在所有观察值都相同的列（如果数据稀疏，则可能发生这种情况），则Richante的代码是不正确的。例如：

>> data = [1 2 3; 5 2 8; 7 2 100]

data =

     1     2     3
     5     2     8
     7     2   100

>> test_data = [1 2 3; 4 5 6; 7 8 9];
>> minimums = min(data,[],1);
>> ranges = max(data, [], 1) - minimums;
>> data = (data - repmat(minimums, size(data, 1), 1)) ./ repmat(ranges, size(data, 1), 1);
>> data

data =

         0       NaN         0
    0.6667       NaN    0.0515
    1.0000       NaN    1.0000

因此，您必须检查是否有只有一个值的列。但是，如果整个训练集中只有一个值，而测试集中有多个值呢？在漏掉一个场景中，测试集中只有一个观察值，那么如果训练集中一列中的所有值都是0，测试集中相应的值是100，我们该怎么办？这些确实是退化的情况，但它可能会发生。但是，当我检查Libsvm库中的文件svm_scale.c时，我注意到以下部分：

 void output(int index, double value)
{
    /* skip single-valued attribute */
    if(feature_max[index] == feature_min[index])
        return;

    if(value == feature_min[index])
        value = lower;
    else if(value == feature_max[index])
        value = upper;
    else
        value = lower + (upper-lower) * 
            (value-feature_min[index])/
            (feature_max[index]-feature_min[index]);

    if(value != 0)
    {
        printf("%d:%g ",index, value);
        new_num_nonzeros++;
    }
}

---

所以我们应该忽略这些案例？我真的不知道。正如我所说，我不是这个问题的权威，所以我将等待另一个答案，最好是Libsvm的作者自己的答案，以澄清问题……

我的问题是，如果将[a，b]范围内的训练数据归一化为[0,1]，那么[c，d]范围内的测试数据归一化为哪个范围？@Richante:你的答案非常有用。我只想澄清，“data”这里是训练数据，“test_data”是测试数据？？很抱歉，但是对于所有观察值都相同的列（如果数据稀疏，可能会发生这种情况），您的代码将输出NaN。例如，data=[1 2 3；5 2 8；7 2 100]