我知道类似的问题在这里已经被提出过几次，但我还有一个我不清楚的点。
我有1098张图片需要进行分类。根据我所阅读的资料，一般规则是数据的分割比例为
80/20 – 训练/测试
在80%的训练数据中
使用80/20或90/10的比例进行20折或10折交叉验证。
现在我面临的问题是，数据的原始80/20分割是随机进行的。所以如果我重复随机抽样数据（分为训练/测试情况）一百次并进行交叉验证，我发现最佳的SVM参数在变化。
所以，基本上，我对如何分割我的数据感到困惑，当我随机分割时，每次抽样的结果都不一致。我该怎么办？
我使用的是带有RBF核的libsvm。举个例子，抽样数据30次的结果如下：
文本格式不正确，所以我附上一个包含信息的文本文件链接。括号中的值是[C gamma]。
我如何选择最佳的训练集，如何选择最佳参数…有没有智能的方法来做这件事？
回答：
对于随机函数类似可重复性问题的通用解决方案是
- 执行一次随机函数并永久保留结果
- 使用相同的种子使随机函数本身可重复
无论如何，我认为你试图用第一次分割来超越交叉验证。
