为已训练LibSVM分类器准备数据：新数据是否需缩放及重训？

核心结论 #

• 必须对新特征数据执行完全相同的特征缩放（注意要用训练集的min x和max x，而非新数据的）
• 完全不需要重新训练模型

详细解释 #

1. 为什么必须缩放新数据？
   你训练LibSVM时，模型的参数（比如支持向量、分类超平面）是基于缩放后[-1,1]区间的特征学习得到的。如果新数据不做同样的缩放，特征的数值范围和分布会和训练时完全脱节，模型根本无法给出准确的预测结果。举个例子：假设训练时某个特征的范围是[0,100]，缩放后变成[-1,1]，模型学到的这个特征权重是适配[-1,1]的；如果新数据里这个特征是500，直接喂给模型的话，相当于模型从未见过这么大的数值，预测肯定会出错。

2. 缩放时的关键注意点
   缩放新数据时，必须使用训练集计算得到的min x和max x，而不是用新数据本身的极值。也就是说，你需要把训练时每个特征的最小值和最大值保存下来，收到新数据后，用同一个公式：

x'=2\frac{x-\min_{train} x}{\max_{train} x - \min_{train} x}-1

来处理每个特征。如果用新数据的极值重新计算，相当于改变了特征的缩放规则，模型同样会失效。

3. 为什么不需要重新训练模型？
   特征缩放属于数据预处理步骤，和模型的训练过程是分离的。你已经用预处理好的训练数据得到了符合预期的模型，只要新数据也做了完全一致的预处理，直接用这个训练好的模型预测就可以了。重新训练不仅没必要，反而会浪费计算资源，甚至可能因为新数据量少导致模型性能下降。

内容的提问来源于stack exchange，提问作者eNc