from:https://blog.csdn.net/tao1107291820/article/details/51581322
在libsvm的使用中，為了得到更好的c、gama參數，可以通過多次使用libsvm中的svm_cross_validation函數進行參數尋優，下面是svm_cross_validation的一種使用方法：
svm_problem的定義：
struct svm_problem
{
int l;
double *y;
struct svm_node **x;
};
1.首先明白svm_cross_validation函數的輸入與輸出，
輸入：prob,param,nr_fold。
? ?prob是將所有樣本的特征和類別按照libsvm要求的格式轉換成?svm_problem結構體數組,?prob的長度要求能夠被nr_fold整除
? ?param是分類器訓練參數
? ?nr_fold是交叉驗證的折數
輸出：target
? ?target是一個double類型的數組，長度為prob.l，存儲的是對prob中各個樣本的識別結果，將target與存儲類別的數組prob.y進行比較可以得到此次交叉驗證的識別準確率。
函數大概運行步驟：
如果做5折交叉驗證，svm_cross_validation函數會建立一個索引數組perm，然后把數組perm當作索引訪問prob達到打亂prob的效果，再將prob分成5份，4份用于訓練，剩下一份測試，target存儲測試結果，這樣分5次后，target就保存了對prob中所有元素的測試結果，并且存儲順序和prob中樣本的排列是一樣的。將target與prob.y依次對比就得到此次交叉驗證的識別準確率。
?
demo:?https://download.csdn.net/download/liushuai_123/7378795
函數)
)
