是否可以多次训练SVM分类器？这样我就不需要每次运行时手动更改参数了。

这是我目前用于训练模型的代码：

    dictionary = make_Dictionary(TRAIN_DIR)    print("从文件中读取和处理邮件。")    features_matrix, labels = extract_features(TRAIN_DIR, dictionary)    test_feature_matrix, test_labels = extract_features(TEST_DIR, dictionary)    model = svm.SVC(kernel="poly", degree= 4, C = 0.9)    print("训练模型")    #训练模型    model.fit(features_matrix, labels)    predicted_labels = model.predict(test_feature_matrix)    print("完成分类。准确率得分：")    print (accuracy_score(test_labels, predicted_labels))

回答：

我的建议是创建你想要测试的参数列表，然后通过for循环运行它们。假设你想在四组不同的参数上进行测试（如果数值不是你想要的，请原谅，我只是为了说明这一点而创建的，它们可以被更改）：

degreeArr = [3,4,5,6]CArr = [0.7,0.8,0.9,1]

我假设你只想调整这两个参数。然后你可以编写你的for循环：

for x in range(len(degreeArr)): #假设degreeArr和CArr长度相同  model = svm.SVC(kernel='poly', degree=degreeArr[x], C=CArr[x])  print("训练模型")  #训练模型  model.fit(features_matrix, labels)  predicted_labels = model.predict(test_feature_matrix)  print("完成分类。准确率得分：")  print (accuracy_score(test_labels, predicted_labels))

请注意，唯一更改的是模型，其余代码保持不变（但必须包含在for循环中）。另一个注意事项是，CArr和degreeArr将只与它们在数组中的匹配索引进行测试，因为没有使用双重for循环。如果你想在这些两个数组中测试所有可能的组合，只需添加另一个for循环，并对你的模型做一个小的调整：

for x in range(len(degreeArr)):  for i in range(len(CArr)):    model = svm.SVC(kernel='poly', degree=degreeArr[x], C=CArr[i])

其余的代码将保持不变，就像通过单个for循环一样。

希望这对你有帮助！