我正在使用多类SVM和深度学习神经网络。有很多参数可以调整，尤其是选择正确的内核。选择理想参数的最佳方法是什么？

是否可以通过任何“目标函数最小化算法”迭代完成，还是会永远持续下去？

回答：

我认为这是数据挖掘项目中最耗时的任务之一。寻找最佳参数（也称为超参数）既困难又对数据挖掘项目至关重要。因此，有一些解决方案（例如，Python的机器学习库scikit，它有网格搜索功能，用于寻找SVM等算法的良好超参数，另外这里使用进化算法来寻找scikit中机器学习算法的正确超参数）

所以对于你的问题，我认为最好是编写（或寻找）类似Scikit网格搜索的方案。该方案在一个特定算法中测试一系列参数（超参数），并根据测试结果返回最佳参数。

对于C#和Accord框架，它有一个网格搜索来优化参数：http://accord-framework.net/docs/html/T_Accord_MachineLearning_GridSearch_1.htm