我正在学习 libsvm。
现在，我有 25 个 RGB 格式的训练文本文件，并且想要将数据标准化到 0 到 1 的范围
我知道 libsvm 格式是
Lable 1:value 2:value ...但无论我做什么，它总是给我一种黄格式。
我的数据
R G B
1 1:39 2:8 3:100
1 1:34 2:3 3:67
我输入了cmd
svm-scale -l 0 -u 1 train.txt > out.scale输出
1 1:1 2:1 3:1
1 1:-1 2:-1 3:-1
什么没有输出
1 1:0.xxx 2:0.xxx 3:0.xxx ...查了好几天的资料，然后有一些疑问。
如何正确地将 0 标准化为 1？
标签的具体用途是什么？
我有25个训练文本。我应该将它们全部复制到一个文本文件中然后进行转换吗？
理解 svm-scale：
libsvm中的svm-scale命令用于缩放数据。 -l 和 -u 选项指定缩放的下限和上限。因此 -l 0 -u 1 对于 0 和 1 之间的缩放是正确的。 输入格式：确保您的输入数据采用正确的 libsvm 格式。每一行应代表一个样本。第一个数字是标签，后面是索引：值格式的特征。
诊断问题：
确保数据范围：检查 RGB 值的实际范围。如果它们全部相同或非常接近，缩放可能会导致 -1、1 或类似的意外结果。
确保您的数据具有可变性。 检查错误：验证输入文件中没有其他字符或格式问题。
要标准化 RGB 值，您通常会缩放每个特征（在您的情况下为 R、G 和 B），以便最小值（所有数据点上的每个特征）变为 0，最大值变为 1。
标签的用途
在 libsvm 格式和一般机器学习中，标签是您尝试预测的目标变量。对于监督学习任务：
分类：
标签是类别或类别。
回归：
标签是您预测的连续值。 在 RGB 数据中，如果您尝试根据这些颜色值对某些内容进行分类或预测，这就是标签所代表的内容。如果只是聚类或无监督学习，您可能根本不需要标签。
合并训练文本文件
如果您有 25 个单独的文件：
为了一致的缩放：在缩放之前将它们合并到一个文件中。这确保了所有数据的缩放比例是一致的，因为用于标准化的最大值和最小值是根据整个数据集计算的。 如何合并：您可以在大多数操作系统中轻松地合并文件。在 Unix/Linux 中，您可以使用 cat file1.txt file2.txt ... file25.txt >合并.txt。
尝试步骤：
合并文件：将所有 25 个训练文件连接成一个。
检查格式：确保组合文件的格式对于 libsvm 正确。
运行 svm-scale：在组合文件上使用命令 svm-scale -l 0 -u 1合并.txt > out.scale。
检查输出：检查.scale以确保值按预期标准化。
通过执行这些步骤，您应该能够正确规范化数据并准备将其与 libsvm 一起使用。