Matlab中的Libsvm回归预测测试集实例的相同值

我试图使用libsvm（Matlab库）解决回归问题。我有一个192个实例的数据集。以下是我的代码，用于划分列车和测试集中的数据：

idx = [zeros(170,1) ;ones(22,1)];
idx = idx(randperm(192));
train = data(idx==0,:);
train_label = label(idx==0,:);
test = data(idx==1,:);
test_label = label(idx==1,:);

model_1 = svmtrain(train_label,train,'-s 3 -t 2 -c 1 -g 0.01');
model_2 = svmtrain(label,data,'-s 3 -t 2 -c 1 -g 0.01');

[y_hat, Acc,Dec] = svmpredict(test_label, test, model);

---

如果我使用整个数据集（模型_1）来训练模型，而不是针对测试集的每个实例，我会有不同的预测值，而如果我只使用训练集，我会为每个测试记录获得完全相同的值。我认为这是因为火车组太小，无法训练出一个好的模型，所以我尝试使用190个实例进行训练，只有2个用于测试。但是，即使使用这种划分，我对2个测试实例也得到了相同的预测值？代码有问题吗？

您应该使用缩放，尝试缩放代码中的训练和数据向量

根据您的代码判断，

model_2

似乎是您使用完整数据集进行训练的地方（而不是您的帖子所说的

model_1

）.确实如此，但为什么我只使用整个数据集获得不同的值？如果我使用190个实例进行训练，仅使用2个实例进行测试（这或多或少与使用整个数据集一样），我会获得相同的预测值。你的意思是规范化我的数据吗？很抱歉，我刚刚意识到，是的，我的意思是规范化数据