libsvm处理数据集

libsvm处理数据的步骤
这里进行处理的训练集是train.1.txt 测试集是 test.1.txt
1. 利用svm-scale 进行数据缩放的处理（对训练集和测试集进行缩放的处理）
svm-scale -l -1 -u 1 train.1.txt > train1.txt
svm-scale -l -1 -u 0 test.1.txt > test1.txt
这里是将train.1.txt和test.1.txt中的数据压缩到了-1到1的范围，然后将压缩后的文件存储为train1.txt,test1.txt
2. 利用grid.py 训练得到最佳的c和g
python grid.py train1.txt 在进行了训练之后再控制台会给出三个值，分别为c，g，精确度
3.生成训练的模板
svm-train -c xxx -g xxx train1.txt train1.model
将通过训练train1.txt得到的模板存储为train1.model
4. 获得正确率
svm-predict test1.txt train1.model test1.out
通过传入测试集和训练集的模板生成一个out文件同时获得了预测的正确率。