如果我使用rbf作为核函数，那么需要调整两个参数(c和g)。我可以搜索每一个参数对(ci,gi)，并选择最佳对。是否有更好的方法来找到最佳参数。

回答：

关于核宽度选择的博客中的亮点：

随机从你的数据集中选择1000对(x,x’)，计算所有这些对的距离，并取中位数、0.1和0.9分位数。现在选择λ为这三个数中任意一个的倒数。通过少量的交叉验证，你将找出这三个中哪个是最好的。在大多数情况下，你不需要进一步搜索。

此外，来自cross validated的这篇文章分析了这种方法为何有效的理由。基本上避免了改变所有或仅一个数据点的决策函数。

此外，你可以搜索SVM中参数选择的“启发式方法”。例如，在M.Boardman等人关于支持向量机自由参数优化的启发式方法中，作者应用了模拟退火来提高参数搜索效率，相较于详尽的网格搜索。