我是一个SVM的新手，对于libsvm中的一个工具有几个问题。

有一个工具/grid.py，tools/README中解释为“使用RBF（径向基函数）核的C-SVM分类参数选择工具”。

我对这个工具有两个问题。

1. 这个工具的作用是：给定一组标签/特征参数，通过进行网格搜索，选择最“有效”和“最小”的特征参数。我的理解正确吗？

例如，给定如下数据集，其标签仅依赖于param1，

label, param1, param2, param30    , 0     , 61    , 2     0    , 0     , 92    , 61    , 1     , 10    , 321    , 1     , 83    , 10

如果我们将grid.py应用于这个数据集，它会告诉我最“有效”（以精确识别测试数据类别的方式）和“最小”（以不包含无关参数的方式）的参数是param1吗？

2. 如果上述问题的答案是肯定的，我如何知道哪些参数是有效且最小的？我看到了一些输出文件，但对我来说没有意义。如果答案是否定的，有没有做我想做的事情的标准方法？

回答：

可能找到了答案。

问题1. 这个工具的作用是：给定一组标签/特征参数，通过进行网格搜索，选择最“有效”和“最小”的特征参数。我的理解正确吗？

答案是否定的。grid.py执行网格搜索并估计最佳的cost和gamma值。因此，它确实有助于使SVM变得“有效”，但不帮助找到最小的特征集（实际上，可能没有“绝对最小”的特征集，因为准确性和特征数量可能成正比）。

问题2. 如果上述问题的答案是肯定的，我如何知道哪些参数是有效且最小的？我看到了一些输出文件，但对我来说没有意义。如果答案是否定的，有没有做我想做的事情的标准方法？

可能没有标准方法。在决定特征参数时，我们应该首先从领域的角度出发，然后再通过数学方法进行调整。（例如，如果你正在使用SVM来区分恶意软件和良性应用程序，你应该首先考虑恶意软件的行为和趋势，决定“参数候选”，然后应用数学方法，如计算每个特征的平均值和偏差。）