我正在使用ls_svm处理一个24*468的数据集。我的变量选择和SVM参数调整是基于留一法交叉验证（leave one out CV）。增加正则化参数的上限会提高Q2（留一法系数），但测试集结果的改善却不尽如人意。样本数量（24）和最大正则化参数之间是否存在关系？

回答：

首先我们需要澄清两件事，超参数C实际上是正则化的倒数。C越大，正则化越小。从你的问题来看，我猜你对C的上限感兴趣，这实际上是正则化的下限。我非常确定你不能仅根据点的数量来确定这样的值。为什么？因为SVM对仿射变换不-invariant，所以如果我简单地将你的整个数据集放大2倍，你需要更大的C才能得到与缩放前相同的结果。换句话说——你点的实际规模/位置至关重要。不幸的是，即使对于正确缩放的数据——据我所知——C没有上限，但是有下限——你可以计算出使SVM导致非平凡模型的最小C。然而，在另一端——这似乎是一个比SVM本身更复杂的优化问题。