從得到的另一文字儲存的結果：
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
也就是對每一列的最大值和最小值進行了儲存，因為必須還要對測試資料進行統一歸一化，所以有必要進行儲存，不然沒辦法啦，呵呵
也就是在libsvm儲存為scale.scaled的檔案，成為縮放規則。之後的測試資料按照此規則進行縮放。
畢竟訓練分類器模型的是利用樣本資料，因此測試資料也沒必要縮放為[-1,+1]內。
另外附上exe呼叫方法：
svm-scale -s scale svm_sample_feature.txt>data.txt
svm-scale -r scale features_svm.txt>test.txt
caffe中的normalization實現
首先得感謝某牛的 如何在caffe中增加layer以及caffe中triplet loss layer的實現 所以接下來就按照這個牛的介紹，逐個往裡面新增東西就好了。構造設定函式這裡就先忽略，直接進入前饋和反饋的實現。前饋的過程相對來說是比較簡單的，如下 template void normaliz...
Normalization（資料歸一化）
資料歸一化方法大全 在資料分析之前，我們通常需要先將資料標準化 normalization 利用標準化後的資料進行資料分析。資料標準化也就是統計資料的指數化。資料標準化處理主要包括資料同趨化處理和無量綱化處理兩個方面。資料同趨化處理主要解決不同性質資料問題，對不同性質指標直接加總不能正確反映不同作用...
資料標準化 Normalization
資料的標準化 normalization 是將資料按比例縮放，使之落入乙個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除資料的單位限制，將其轉化為無量綱的純數值，便於不同單位或量級的指標能夠進行比較和加權。其中最典型的就是資料的歸一化處理，即將資料統一對映到 0,1 區間上，常見的資料歸...