提高libsvm预测准确率（90%引用）

注：以下绝大多数内容引自：周琦Behappy 博客

自己的经历：用以下scale方法处理一个大概150M的数据集时，规整后数据集变得更大，训练模型依旧十分十分缓慢训练不出来。从而我打算先把训练集的数据处理小一些，再来搞模型优化的事情。

一、使用svm-scale规整数据集

进入DOS，输入以下命令，将现有数据进行适度变换，生成变换后的数据文件 train.1.scale.txt 及 test.1.scale.txt

参数说明： -l 变换后的下限     -u 变换后的上限        -s svm_type

执行以下代码：

准确率为 Accuracy = 95.6%(3824/4000) ， 相比于之前提升很多。

二、参数选择

之前的尝试中，Tools里的grid.py 可以用作得到 c 和 g 的最优参数