python中sklearn.svm.SVR，模型预测得出的结果都是一个值，请高手指点迷津。

Question

部分代码如下：
feature_set_train=feature_set[:6000]
result_set_train=result_set[:6000]
svr_model=SVR(C=1024,gamma=0.5)
svr_model.fit(feature_set_train,result_set_train)
feature_set_=feature_set[5900:6020]
result_set_ = result_set[5900:6020]
result_set_predict=svr_model.predict(feature_set_)
得出的拟合结果是对训练数据部分数据进行预测，则预测效果很好，对测试数据进行预测部分则得出的结果都为一个值，不明白是为什么？画图如下：

图中0-100为训练数据预测情况，100-120为测试数据预测情况。
模型中的数据为20维输入，1维输出
其中只有训练点输入模型进行预测才能得出有效值，其他点输入模型进行预测都得到的是同一个值。

Answer 1

谢谢各位的热心帮助，问题解决了，最后好像是因为样本数据没有归一化导致的。由于维度太大，如果不采用归一化处理的话，各个点间的距离值将非常大，故模型对于待预测点的预测结果值都判为同一个值。