我知道在MatLab中这很简单（使用’-v 10’）。

但我需要在R中实现。我确实发现有人提到添加cross = 10作为参数可以实现，但这在帮助文件中并未确认，所以我对此持怀疑态度。

svm(Outcome ~. , data= source, cost = 100, gamma =1, cross=10)

如果有成功的R语言SVM脚本示例，我也会非常感激，因为我仍然遇到了一些障碍？

编辑：我忘了提到我在标签外使用的是libsvm包。

回答：

我也在尝试进行10折交叉验证。我认为使用tune函数并不是进行交叉验证的正确方法，因为这个函数是用来优化参数的，而不是用来训练和测试模型的。

我有以下代码来执行留一法交叉验证。假设dataset是一个存储数据的数据框。在每次LOO步骤中，观察值与预测值的矩阵会被添加，因此在最后，result包含全局的观察值与预测值矩阵。

#LOOValidationfor (i in 1:length(dataset)){    fit = svm(classes ~ ., data=dataset[-i,], type='C-classification', kernel='linear')    pred = predict(fit, dataset[i,])    result <- result + table(true=dataset[i,]$classes, pred=pred);}classAgreement(result)

所以，为了进行10折交叉验证，我猜我们应该手动划分数据集，并使用这些折叠来训练和测试模型。

for (i in 1:10)    train <- getFoldTrainSet(dataset, i)    test <- getFoldTestSet(dataset,i)    fit = svm(classes ~ ., train, type='C-classification', kernel='linear')    pred = predict(fit, test)    results <- c(results,table(true=test$classes, pred=pred));}# 使用results计算平均准确率和kappa值，results存储了每个折叠的结果

希望这对你有帮助。