अद्भुत libsvm पैकेज एक अजगर इंटरफ़ेस और एक फ़ाइल "easy.py" प्रदान करता है जो स्वचालित रूप से सीखने के मापदंडों (लागत और गामा) की खोज करता है जो कि क्लासिफायर की सटीकता को अधिकतम करता है। सीखने के मापदंडों के एक निर्धारित उम्मीदवार के भीतर, सटीकता को क्रॉस-मान्यता द्वारा संचालित किया जाता है, लेकिन मुझे ऐसा लगता है कि यह क्रॉस-वैलिडेशन के उद्देश्य को कम करता है। अर्थात्, सीखने के मापदंडों के रूप में इनफ़ॉफ़र को स्वयं एक तरीके से चुना जा सकता है जिससे डेटा का ओवर-फिट हो सकता है, मुझे लगता है कि खोज के स्तर पर क्रॉस सत्यापन को लागू करने के लिए अधिक उपयुक्त दृष्टिकोण होगा: खोज प्रदर्शन एक प्रशिक्षण डेटा सेट पर और फिर एक अलग परीक्षण डेटा सेट के भीतर मूल्यांकन द्वारा अंतिम रूप से चुने गए सीखने के मापदंडों से उत्पन्न एसवीएम की अंतिम सटीकता का मूल्यांकन करें। या मुझसे यहां कुछ छूट रहा है?